Resumen

Este artículo describe la aplicación de un sistema de reconocimiento de patrones de desgaste presente en aceros al carbón, el sistema clasifica la microestructura de los materiales los cuales presentan tres condiciones a lo largo de su vida útil en plantas termoeléctricas. El enfoque propuesto emplea la red neuronal artificial perceptrón multicapa, en conjunto con el procesamiento digital de imágenes para reconocer los diferentes estados físicos de los materiales utilizados como conductores en condiciones de altas temperaturas. La microestructura de las condiciones estudiadas son esferonización, descarborización y grafitización. La microestructura se revela a partir de imágenes de microscopio obtenidos en el Laboratorio de Pruebas de Equipos y Materiales de la Comisión Federal de Electricidad de México (CFE-LAPEM). El sistema propuesto, en comparación con el humano experto, obtuvo una exactitud promedio del 96.82 % con un menor tiempo de análisis y costo de inspección.

Introducción

La metalografía estudia microscópicamente la estructura de un metal o una aleación (Newell, 2016). Determina el tamaño de grano, la forma y la distribución de varias fases e inclusiones que tienen un gran efecto en las propiedades mecánicas del metal. La microestructura revela el tratamiento mecánico y térmico del metal y bajo un conjunto determinado de condiciones; se puede predecir el comportamiento del metal. El material presenta patrones de comportamiento metalográfico que son diagnosticados por expertos en metalografía basándose en la imagen de la microestructura del material. La calidad del diagnóstico para detectar el patrón metalográfico presente en el material depende en gran medida de la experiencia del experto humano (Barroso, 2014). En este trabajo se propone una solución alternativa para realizar un sistema de diagnóstico de desgaste utilizando un esquema de clasificación de Redes Neuronales Artificiales (RNA) basado en un sistema de reconocimiento de patrones que emplea el perceptrón multicapa en conjunto con el procesamiento digital de imágenes para clasificar los patrones en la imagen de la microestructura del metal. El procesamiento digital de imágenes se utiliza primero para mejorar la calidad de la imagen, definiendo así una señal de entrada adecuada para la RNA.

Se han realizado investigaciones en las que se han comprobado las ventajas de la integración de redes en el campo de los materiales. Una de las principales actividades de las redes neuronales artificiales dentro del área de materiales es la estimación. En el trabajo presentado por Chokshi (2017), se desarrolló un modelo de predicción de fase mediante una red neuronal artificial multicapa, el modelo se utiliza en los experimentos realizados en el acero 22MnB5 para aplicar un proceso denominado estampación en caliente con el que se controlan las microestructuras del material.

• Materias:Redes neuronales (Computadores) Microestructura Desgaste de masas Acero
• Subjects:Neural networks (Computer science) Microstructure Mass-wasting Steel
• Palabras claves:Red neuronal artificial; Procesamiento digital de imagen; Defectos en material
• Keywords:Artificial neural network; Digital image processing; Material defects