
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Cortés Paredes, Ramón Sigifredo, 1949- | - |
| Autor(es): dc.contributor | Lacerda, Luiz Alkimin de | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia e Ciência dos Materiais - PIPE | - |
| Autor(es): dc.creator | Kenny, Elaine Dalledone | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T12:21:41Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T12:21:41Z | - |
| Data de envio: dc.date.issued | 2024-12-12 | - |
| Data de envio: dc.date.issued | 2024-12-12 | - |
| Data de envio: dc.date.issued | 2009 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/21920 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/21920 | - |
| Descrição: dc.description | Orientador: Prof. Dr. Ramon S. C. Paredes | - |
| Descrição: dc.description | Coorientador: Prof. Dr. Luiz Alkimin de Lacerda | - |
| Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia - PIPE. Defesa: Curitiba, 08/06/2009 | - |
| Descrição: dc.description | Inclui bibliografia | - |
| Descrição: dc.description | Área de concentração: Engenharia e Ciência de Materiais | - |
| Descrição: dc.description | Resumo: A grande maioria dos metais utilizados nas linhas de transmissão e distribuição de energia elétrica, tais como: cabos, torres, equipamentos e acessórios são suscetíveis ao processo de degradação à corrosão. Por esta razão, estudar as variáveis que influenciam o processo de corrosão atmosférica metálica é de fundamental relevância. Nesse trabalho, um modelo de redes neurais artificiais foi utilizado, com o objetivo de predizer a taxa de corrosão do aço baixo-carbono, do cobre e do alumínio, em função de parâmetros ambientais monitorados em dois diferentes ambientes do Brasil: clima tropical-equatorial e clima subtropical. Para isso foi desenvolvida uma metodologia específica para a determinação da corrosividade local destes ambientes, através da implantação de Estações de Corrosão Atmosférica (ECA) em duas regiões características: São Luís no estado do Maranhão e em Curitiba e litoral do estado do Paraná. Foram expostos corpos-de-prova(CPs) metálicos para avaliação do desempenho à corrosão em ensaio de intemperismo natural em cada ECA e em paralelo foram monitorados os dados meteorológicos e contaminantes atmosféricos locais. Estes dados foram aplicados em um modelo "perceptron de multicamadas" de redes neurais artificiais, com funções de transferência tangente e logarítmica sigmoidais e lineares. Foi utilizada uma rede neural do tipo "feedforward" (em avanço) e o algoritmo de retropropagação utilizado no treinamento da rede foi o Levenberg-Marquardt. Todos os passos de pré-processamento dos dados, definição e treinamento da rede neural artificial foram montados neste algoritmo para ser analisado através do software MatLab®. Os resultados obtidos indicam que esta rede neural construída pode ser utilizada como ótima estimativa para a predição da taxa de corrosão do aço baixo-carbono, do cobre e do alumínio em função dos seguintes parâmetros ambientais: temperatura, umidade relativa, tempo de umedecimento do material metálico, precipitação, velocidade dos ventos, teor de partículas sedimentáveis e teor de deposição de íons cloretos e de compostos de enxofre. | - |
| Descrição: dc.description | Abstract: The majority of the metals used in the distribution and transmission electric energy lines, such as cables, towers and accessories are susceptible to the corrosion degradation process. For that reason, studying the factors that influence the atmospheric corrosion process is an important issue. In this thesis, an artificial neural network model was developed aiming to predict low-carbon steel, copper and aluminum corrosion rates according to environmental parameters in two different climates in Brazil: an equatorial-tropical and a semi-tropical climate. A specific methodology was developed to determine the local corrosivity rate for these environments and for this purpose atmospheric corrosion stations (ACS) were installed in two selected regions: the area of São Luis–Maranhão and the area of Curitiba and seacoast- Paraná. Metallic specimens were exposed to this atmospheres and periodically collected for corrosion evaluation. In the same period, along with the meteorological data, local pollutants were monitored. These data were introduced in a multilayer perceptron artificial neural network model of analysis with linear and sigmoidal tangent and logarithmic transfer functions. The neural network employed is a feedforward type with a Levenberg-Marquardt backpropagation training algorithm. All steps of data preprocessing and network training were implemented in a MatLab® algorithm software. The obtained results indicate that the neural network can be used as a good corrosion estimator for lowcarbon steel, copper and aluminum according to the following environmental parameters: temperature, relative humidity, precipitation, solar radiation, wind velocity, time of wetness of the metallic material and concentration of solid particles, chlorides, and sulfur compounds deposition. | - |
| Formato: dc.format | 116f. : il. algumas color., tabs. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Relação: dc.relation | Disponível em formato digital | - |
| Palavras-chave: dc.subject | Poluição - Aspectos ambientais | - |
| Palavras-chave: dc.subject | Corrosão | - |
| Palavras-chave: dc.subject | Metais | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Engenharia de Materiais e Metalurgia | - |
| Título: dc.title | Avaliação do impacto da poluição ambiental no processo da corrosão atmosférica de metais através de redes neurais artificiais | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: