Resumen

La porosidad se considera uno de los indicadores más importantes para la caracterización del rendimiento integral de los recubrimientos de barrera térmica (TBCs). En este estudio, se combinan la técnica ultrasónica y la red neuronal artificial optimizada con el algoritmo genético (GA_BPNN) para desarrollar un método inteligente para la detección automática y la predicción precisa de la porosidad de los TBCs. Se establecen una serie de modelos físicos de recubrimiento de ZrO rociado por plasma con un espesor de 288 µm y una porosidad que varía del 5.71% al 26.59%, y se construye el espectro de amplitud del coeficiente de reflexión ultrasónica (URCAS) basado en la señal de simulación numérica en el dominio del tiempo. Se extraen las características del URCAS, altamente dependientes de la porosidad, como datos de entrada para entrenar el modelo GA_BPNN para predecir la porosidad desconocida. El error promedio de los resultados de la predicción es del 1

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Porosidad; Recubrimientos de barrera térmica; Técnica ultrasónica; Red neuronal artificial; Algoritmo genético; Recubrimientos pulverizados por plasma.
• Keywords:Porosity; Thermal barrier coatings; Ultrasonic technique; Artificial neural network; Genetic algorithm; Plasma-sprayed coatings.