Resumen de Estimación del daño presente en aceros de baja aleación a través de inteligencia artificial

Edgar Augusto Ruelas Santoyo, José Antonio Vázquez López, Roberto Baeza Serrato, José Alfredo Jiménez García, Moisés Tapia Esquivas, Vicente Figueroa Fernández

• español

  Este artículo describe el desarrollo de un sistema capaz de reconocer patrones metalográficos y estimar el daño en el acero de baja aleación 2.25Cr-1Mo clasificado según la norma ASTM A200 grado T22. El sistema está compuesto por una arquitectura de lógica difusa enfocada a evaluar el deterioro presente en el acero y una red neuronal artificial perceptrón multicapa aplicada al reconocimiento de patrones metalográficos. Las muestras de acero analizadas fueron empleadas como conductores de agua y vapor en condiciones de altas temperaturas, sufriendo como consecuencia un deterioro físico que debe ser monitoreado constantemente a partir de su microestructura. Los patrones estudiados en la microestructura de los aceros son: perlita esferoidal, descarburización y nódulos de grafito. Los resultados mostraron que la estimación del daño y el reconocimiento de patrones en el material se predijeron correctamente con el sistema desarrollado en comparación con un usuario experto con una confianza del 95%.

• English

  This paper describes the development of an intelligent integrated system able to estimate the damage on 2.25Cr-1Mo low alloy steel rated according to ASTM A200 grade T22. The system is composed of a fuzzy logic architecture focused to assessing the damage present in the steel and a multi-layer perceptron artificial neural network applied to the recognition of metallographic patterns. The analyzed steel samples were subjected to work of water and steam conduction in high temperature conditions, suffering consequently a physical deterioration that must be constantly monitored from its microstructure. The patterns studied in the microstructure of the steels are: spheroidal pearlite, decarburization and graphite nodules. The results showed that the estimation of the damage and the recognition of patterns in the material were predicted correctly with the system developed in comparison with an expert user with a confidence of 95%.