![pageSearch](/themes/hestia/images/page-search.webp)
Modélisation de la corrosion basée sur un réseau neuronal du coude en acier inoxydable 316L à l'aide de données de cartographie du champ électrique
![Jul 28, 2023](/themes/hestia/images/news-details-icon1.webp)
Rapports scientifiques volume 13, Numéro d'article : 13088 (2023) Citer cet article
193 Accès
Détails des métriques
L'acier inoxydable (SS) est largement utilisé dans les applications industrielles qui exigent une résistance supérieure à la corrosion. La modélisation de son comportement à la corrosion dans des scénarios structurels et opérationnels courants est bénéfique pour fournir des informations sur l'épaisseur de paroi (WT), conduisant ainsi à un régime prédictif d'intégrité des actifs. Dans cet esprit, une approche pour modéliser le comportement à la corrosion du SS 316L à l'aide de réseaux de neurones artificiels (ANN) est développée, dans laquelle de l'eau salée à différentes concentrations circule à travers une structure coudée à différents débits et concentrations de sel. Les données de tension, de courant et de température sont enregistrées toutes les heures à l'aide de broches de cartographie de champ électrique (EFM) installées sur la surface du coude, qui servent de données de formation pour les ANN. Les performances de la modélisation de la corrosion sont vérifiées en comparant le WT prévu avec les mesures réelles obtenues à partir d'essais expérimentaux. Les résultats montrent les performances exceptionnelles du modèle ANN unique proposé pour prédire le WT. L'erreur est calculée en comparant le WT estimé et la mesure réelle enregistrée, où l'erreur maximale pour chaque paramètre est comprise entre 0,5363 et \(0,7535\%\). Les valeurs RMSE et MAE de chaque broche dans chaque paramètre sont également calculées de telle sorte que les valeurs maximales de RMSE et MAE soient respectivement de 0,0271 et 0,0266. De plus, un compte rendu concis de la formation de tartre observée est également rapporté. Cette étude approfondie contribue à une meilleure compréhension de la corrosion SS 316L et offre des informations précieuses pour développer des stratégies efficaces de prévention de la corrosion dans les environnements industriels. En prédisant avec précision la perte de WT à l'aide des ANN, cette approche permet une planification proactive de la maintenance, minimisant le risque de défaillances structurelles et garantissant la durabilité prolongée des actifs industriels.
Les pipelines et autres infrastructures constituent l’épine dorsale de l’économie mondiale. Il est de la plus haute importance de garantir leur intégrité structurelle afin d’éviter les temps d’arrêt et les perturbations de la chaîne d’approvisionnement. Ils jouent un rôle crucial dans le transport des fluides et constituent des infrastructures vitales pour divers secteurs, notamment les industries hydroélectrique, maritime, nucléaire, agroalimentaire, pétrolière et gazière. Cependant, ces pipelines sont sensibles à des problèmes tels que la corrosion, les bosses, les défauts et les fissures, qui peuvent entraîner des pannes et présenter des risques importants pour la sécurité. De telles pannes peuvent entraîner des fuites, des ruptures, des accidents mortels, des dommages environnementaux et des conséquences financières telles que des réparations coûteuses, des pannes et des retards de production. Pour atténuer ces risques, il est essentiel de donner la priorité à l’entretien et à l’intégrité des actifs pipeliniers en mettant en œuvre des inspections et des pratiques d’entretien régulières. En conséquence, le domaine de l’inspection, de l’évaluation, de la modélisation et de la prévision de la corrosion des pipelines a suscité une attention considérable dans les milieux universitaires et industriels. Ce domaine d'étude ciblé vise à développer des méthodes et des outils efficaces pour évaluer et prédire la corrosion des pipelines, permettant des mesures proactives pour prévenir les pannes et garantir l'exploitation continue et sûre de ces systèmes d'infrastructures critiques1,2,3,4,5.
La corrosion est le phénomène le plus fréquent et le mécanisme de défaillance grave des pipelines3, qui réduit considérablement la durée de vie opérationnelle des pipelines. Elle peut se présenter sous diverses formes, notamment générale ou uniforme6, piqûres, crevasses, intergranulaires, érosion-corrosion (E-C), corrosion provoquée par l'activité bactérienne et fissuration induite par l'environnement. Le taux de corrosion dans le pipeline est associé à des facteurs externes et internes. Quelques exemples de facteurs externes sont l'environnement de travail, la composition du sol et la condensation pour les canalisations enterrées, ou la chimie de l'eau pour les canalisations souterraines. Parallèlement, plusieurs facteurs internes provoquant la corrosion sont l’activité du liquide en écoulement, le type de fluide transporté, la température, le débit et la tension des fluides7. Dans ce contexte, mesurer avec précision la perte d’épaisseur de paroi des canalisations en temps réel et pendant l’exploitation devient une tâche cruciale. Ceci est particulièrement pertinent pour les tuyaux en acier inoxydable, qui sont sujets à une corrosion accélérée et à l'entartrage provoqués par des fluides corrosifs.