Publicación:

Estimación de la velocidad de corrosión interna en un acero api 5l grado b de producción, utilizando una técnica neurofuzzy

Resumen

Se propone una metodología neurofuzzy, para mejorar los resultados e interpretación de los modelos de corrosión interna en tuberías de producción de crudo (aceros API 5L Grado B), obtenidos mediante la aplicación de redes neuronales artificiales o técnicas basadas en regresiones lineales. El modelo permite estimar la velocidad de corrosión interna del acero al carbono en (mpy), utilizando como datos de entrada: el %BSW, el contenido de Fe, CO2 y H2S, el pH de la solución, la salinidad. El modelado se realizo mediante sistema adaptativo neuro difuso ANFIS, que es un hibrido derivado de las redes neuronales y la lógica difusa. Existen diferentes formas de combinar las redes neuronales y la lógica difusa, debido a flexibilidad que presentan ambas técnicas. Esto ha permitido la generación de múltiples combinaciones, cada una con diferente grado de integración entre las técnicas, pero dentro de estas posibles combinaciones se destaca un sistema híbrido conocido como ANFIS, que conserva las principales características de cada técnica y supera las principales desventajas de las mismas. En el presente trabajo, el procedimiento experimental consiste en el entrenamiento y evaluación de diferentes configuraciones para el ANFIS, con la finalidad de encontrar la mejor configuración que permita alcanzar un equilibrio entre el nivel de error y el número de reglas del sistema. El entrenamiento es la fase de aprendizaje, se realiza mediante la presentación iterada de los datos al ANFIS. En el entrenamiento es donde el experto suministra su conocimiento y experiencia, mediante una adecuada selección del tipo y número de funciones de pertenencia (FP), en cada variable de entrada. Aquí se hicieron pruebas con más de diez tipos de configuraciones, casi todas brindaron buenos resultados.