13ª Conferência sobre Tecnologia de Equipamentos
Copyright 2015, ABENDI, ABRACO e IBP.
Trabalho apresentado durante a 13ª Conferência sobre Tecnologia de Equipamentos.
As informações e opiniões contidas neste trabalho são de exclusiva responsabilidade do(s) autor (es).
SINOPSE
Os tubos que compõem os fornos de pirólise são constituídos por aço inoxidável da classe HP, fundidos por centrifugação, sendo basicamente um sistema Fe-Ni-Cr, com a matriz totalmente austenítica, o que possibilita trabalho em elevadas temperaturas com espessura de paredes menores. Entretanto, devido à carburização tem-se a formação de carbetos de cromo e, por consequência, o empobrecimento deste elemento na matriz promovendo uma redução das principais propriedades mecânicas como: limite de resistência à fluência e a perda de ductilidade, entre outros. Isso tem sido um fator determinante para o estudo e o desenvolvimento de metodologias de avaliação não destrutiva a fim de manter a integridade estrutural de equipamentos e assegurar sua vida útil. Neste trabalho, o ensaio não destrutivo ultrassônico foi utilizado na análise de 3 amostras retiradas do equipamento em operação, em diferentes estágios de carburização, no intuito de caracterizá-las empregando microscopia ótica e análise espectral do sinal de ultrassom. Os resultados obtidos por meio de uma RNA permitiram relacionar as alterações microestruturais, resultantes do tempo de exposição das amostras com o espectro de frequência do eco de fundo.
Palavras chaves: Ultrassom, Carburização, Aços HP, Redes Neurais Artificiais. _________________________
1 D.Sc., Engenharia de Materiais e Metalurgia – IFBA Campus Salvador / GPEND 2 Graduando Eng. Mecatrônica –Universidade Salvador / GPEND
3 Graduando Eng. Mecânica –IFBA Campus Salvador / GPEND 4 Graduando Eng. Elétrica –IFBA Campus Salvador / GPEND
5 D.Sc., Engenharia de Materiais e Metalurgia – IFBA Campus Salvador / GPEND COTEQ2015 - 143
Identificação da Carburização em Tubos HP por Avaliação Não Destrutiva
Ultrassônica
Ivan C. Silva1
,
Diego H. S. Zanini2, Mateus C. R Rebello3, Carla B. F. Carmo Ygor T. B. Santos3, Cláudia T. T. Farias4,1. INTRODUÇÃO
Fornos de pirólise são equipamentos da indústria petroquímica utilizados para a produção de etileno a partir do craqueamento térmico de hidrocarbonetos, tais como a nafta, na presença de vapor. Os tubos que constituem as serpentinas destes fornos são utilizados para produzir ou processar, mais comumente, o etileno em condições severas de trabalho, chegando a temperaturas superiores de1000ºC e pressões de até 4 Mpa (1,2,3,4,5,6). Um dos subprodutos possíveis do processo de craqueamento térmico é o coque, que se deposita nas paredes internas dos tubos de pirólise.
Dentre os materiais utilizados nestes fornos, destacam-se as ligas HP 40 por possuírem ótimas propriedades, principalmente resistência mecânica em temperaturas elevadas, além da resistência à corrosão e consequentemente resistência à carburização (7).
A carburização é uma forma de degradação que ocorre a altas temperaturaspela difusão do carbono do meio para o material. A partir da deposição do coque no interior dos tubos das serpentinas, ocorre um superaquecimento que destrói a camada de passivação (responsável pela proteção do material), favorecendo assim a difusão de carbono para a matriz. O carbono provoca à precipitação de carbonetos generalizados na matriz, cujos efeitos principais são a diminuição da ductilidade e da tenacidade da liga, diminuindo assim, a vida útil de máquinas e equipamentos (8).
A formação dos carbonetos leva ao empobrecimento de cromo na matriz, alterando, principalmente, as características magnéticas do material que passa gradualmente de paramagnético a ferromagnético. Predominantemente, até o momento, os ensaios não destrutivos magnéticos são empregados na inspeção das serpentinas dos fornos de pirólise (1). O ensaio ultrassônico, amplamente empregado na caracterização não destrutiva de materiais, tem seu uso limitado devido àelevada atenuação do sinal provocada pela estrutura austenítica dos tubos, que são fundidos por centrifugação. Contudo, para os casos em que há a possibilidade de obtenção do eco de fundo da parede interna, pode-se empregar esta técnica associada ao processamento do sinal ultrassônico, como a Transformada Discreta de Fourier (DFT) e as redes neurais artificiais (RNA),como alternativa complementar ao ensaio magnético. Nas próximas seções deste trabalho é apresentada uma breve descrição sobre análise espectral de sinais ultrassônicos e redes neurais para reconhecimento de padrões,descrição da metodologia utilizada, juntamente com os resultados obtidos e conclusões.
2.FUNDAMENTAÇÃO TEÓRICA 2.1 Aços HP40
A pirolise de hidrocarbonetos submete equipamentos a severas condições de trabalho (altas temperaturas, meio altamente carburizante) o que favorece a degradação do equipamento e consequentemente a substituição deste. As ligas ricas em cromo e níquel da família HP40 são caracterizadas por apresentarem ótimas propriedades físicas e químicas, tais como: elevada resistência mecânica e resistência à corrosão a altas temperaturas, além de ser resistente ao fenômeno dacarburização. Nas serpentinas dos fornos de pirolise são utilizados tubos de aço HP fundidos por centrifugação, uma vez que, não são facilmente conformados devido ao seu alto teor de carbono presente na liga. O processo de fundição centrífugaproduz uma estrutura mais uniforme e os grãos orientados segundo a direção radial do tubo, o que proporcionauma maior resistência à fluência (9). O processo de centrifugação consiste na rotação do molde, onde o metal líquido é introduzido e, pela força centrífuga da rotação do molde, onde o metal é forçado contra as paredes
do mesmo, solidificando-se sob pressões homogêneas com excelentes características mecânicas. Por ser fundido sob pressão (rotação), o metal ao solidifica-se possibilita uma perfeita acomodação dos cristais livre de gases, impurezas (óxidos) nocivas que promovem o desgaste e a cavitação, aumentando assim, a sua vida útil. As vantagens básicas da fundição centrifugada são: permite trabalhar com um mínimo de sobremetal; o fundido centrifugado aperfeiçoa as características mecânicas como a resistência à tração, o escoamento, a dureza e o alongamento. Além disso, por ocorrer em alta velocidade, elimina gases, porosidades e inclusões, evitando desperdícios de tempo e usinagem com refugos, o tempo de fabricação é reduzido e a relação metal fundido/peça entregue é elevada (1).
2.2 Carburização
A carburização é um mecanismo de deterioração por difusão. Este fenômeno ocorre devido a grande quantidade de carbono disponível no processo para o material, sendo mais frequente em equipamentos utilizados napirólise de hidrocarbonetos, em trechos de tubos onde a temperatura é elevada. A carburização é mais intensa em regiões que alcançam temperaturas superiores a 1000ºC e tem, como consequência, a perda de ductilidade, diminuição dos limites de resistência à tração e à fluência do material (1). Antes de entrar em operação, esses tubos passam por um processo de passivação em uma atmosfera oxidante de vapor de água e oxigênio para proteger as paredes internas, devido à formação da camada de oxido de cromo. Após a operação, para a remoção do coque no interior dos tubos, faz-se a introdução de vapor com o objetivo de queimá-lo e não permitir carbono adicional na superfície para a carburização (10,11,12).
2.3. Avaliação Não Destrutiva Ultrassônica
A inspeção não destrutiva ultrassônica dos tubos de aços austeníticos cromo-níquel encontra limitações em função da estrutura austenítica heterogênea, que absorve e dispersa o feixe sônico, dificultando a inspeção com o emprego de técnicas convencionais (13,14). A microestrutura austenítica não só apresenta alterações na velocidade de propagação ultrassônica e no coeficiente de atenuação, como interfere no conteúdo espectral ultrassônico. A análise espectral tem sido aplicada ao pulso transmitido como também na região do sinal retroespalhado.A caracterização microestrutural de diferentes ciclos térmicos por meioda análise espectral do primeiro eco de fundo pode serempregada, pois o sinal de eco de fundo contém informações referentes às características do material e também às reflexões da interface da amostra com o meio exterior (15,16).
2.4. Redes Neurais Artificiais - RNA’s
RNA’s são compostas por unidades básicas de processamento chamadas neurônios artificiais distribuídos paralelamente, garantindo dessa forma a principal vantagem na utilização de redes neurais: a sua habilidade de adaptação e aprendizagem, isto é, modelos de redes neurais podem lidar com dados imprecisos e situações não totalmente definidas. Uma rede satisfatoriamente treinada pode adquirir capacidade de generalizar, quando é apresentada às entradas, dados diferentes aos utilizados durante o seu treinamento.
A Figura 01 ilustra o modelo não linear de um neurônio artificial proposto por McCulloch (17), identificando seus principais componentes. As entradas, representadas por (ki) ponderadas por um peso sinápticow ki são somadas em um combinador linear.
Figura01 -Modelo Não-Linear de Neurônio Artificial.
A partir da Figura 1, é fácil estabelecer uma analogia entre o neurônio humano e o artificial. Para o neurônio k, os valores xm representam os estímulos oriundos do meio que, aplicados à Inspeção ultrassônica, são as amplitudes de cada ponto componente do sinal ultrassônico digitalizado. Estes estímulos são ponderados por seus pesos sinápticos respectivos, simbolizados por wm. Ao somatório, é acrescentado um peso relativo ao neurônio em questãodenominado Bias, e notado por bk ou ωo. A saídaYk fornecida pelo neurônio para o conjunto de dados xn que lhe foi apresentado é dada por uma função de ativação sobre o somatório. Assim, temos conforme mostrado na Equação 1.
) (1)
Dentre as variadas arquiteturas e configurações de rede, o quanto a rede pode aprender, é o parâmetro que define o potencial da rede (18). As primeiras redes de camada única, denominadas perceptrons, mostraram-se limitadas quanto à capacidade de representação de conhecimento. O aprendizado consiste na capacidade de representar informação extraída de dados reais do ambiente (experiência) e, a partir dessa informação, fornecer modelos capazes de interpretar novas situações que sejam apresentadas (19). O algoritmo backpropagation é um método de treinamento de redes com múltiplas camadas (MLP, Multi Layer Perceptron), responsável pela considerável expansão do campo de aplicações de RNA’s.
O treinamento das RNAs por backpropagation envolve o cálculo e a retropropagação do erro associado e o ajuste dos pesos sinápticos, podendo ser utilizadas diferentes estratégias de otimização. Alguns trabalhos utilizaram esta técnica para finalidades similares. Uma rede neural artificial backpropagation foi utilizada por Thavasimuth (20) para classificar sinais ultrassônicos no aço inoxidável AISI 304, obtidos pela técnica pulso eco, de baixa amplitude, melhorando a sensibilidade de detecção. Zhang (21) desenvolveu técnicas de predição do comportamento de materiais compósitos poliméricos através de redes neurais artificiais.
3. METODOLOGIA 3.1. Corpos de Prova
Foram utilizadas 03 amostras de ligas de aço da família HP 40 retirado sem serviço de serpentinas de um mesmo forno de pirólise, em diferentes tempos de operação. A Tabela 1 apresenta as informações dos corpos de prova.
Tabela 01. Corpos de Prova Utilizados.
Corpo de Prova Espessura (mm) Diâmetro (mm) Condição
Amostra 01 7,9 6,19 Sem Carburização
Amostra 02 7,2 6,2 Levemente Carburizada
Amostra 03 7,0 6,19 Severamente Carburizada
3.2. Análise Microestrutural
O preparo das amostras para observação no microscópio ótico modelo (Olympus – CX31) começou a partir da extração de parte escolhida seguida de: embutimento, lixamento, polimento e ataque químico. A extração das amostras foi realizada através de corte a frio. Os cortes foram feitos de forma que a região de interesse encontra-se na seção transversal de cada amostra. As amostras foram embutidas a frio.
As granulações das lixas utilizadas, obedecida à ordem, foram 100, 220, 320, 400, 500 e 600. A cada troca de granulação de lixa as amostras foram lavadas em água corrente e giradas 90º para que a próxima etapa de lixamento fosse aplicada. Para o polimento utilizou-se pano adequado e pasta de diamante de 6, 1 e 0,25µm. As amostras foram giradas em torno do seu próprio eixo ou no sentido contrário ao de rotação da politriz durante todo o processo de polimento.
Depois de polidas, ataque químico foi realizado, e para isto utilizou-se Água Régia (10mLde HNO3, 20mL de HCl e 60mL de H2O) saturada com Cl2Cu. O ataque químico foi executado por imersão total do corpo de prova no reagente.
3.3. Inspeção Ultrassônica e Processamento do Sinal
Em cada corpo de prova, foram coletados sinais em diferentes posições. Os sinais de ultrassom foram adquiridos de modo a conter somente oeco de fundo. Cada sinal foi digitalizado com 2500 pontos a uma taxa de amostragem de 100Ms/s. A FFT dos sinais foi implementada no programa computacional Matlab®. A Figura 02 mostra a fundamentação do método onde alterações na microestrutura do material provocamalterações não mensuráveis no domínio do tempo, mas perceptíveis no domínio da frequência.
3.4. Reconhecimento de Padrões por (RNA)
O conjunto de entrada para cada amostra foi montado com200 sinais, num total de 600 para as três amostras. Para classificação foi utilizado uma rede neural do tipo feed-forward backpropagation com 15 neurônios na camada oculta, onde à função de ativação utilizada foi a tangente hiperbólico, Figura 03. A rede deve classificar em três categorias conforme o estado de carburização: Amostra 01, Amostra02 e Amostra 03. Os sinais foram divididos da seguinte maneira: 60% para treinamento da rede, 20% para validação e 20% para teste. A rede foi treinada de modo a otimizar ao máximo os seus resultados de classificação.
Figura 03. Neurônio de uma rede multilayer feedfoward.
4. ANÁLISE E INTERPRETAÇÃO DOS RESULTADOS
4.1. Análise Metalográfica
Primeiramente foi feita uma macrografi acom o intuito de se verificar a presença de carburização nasecção transversal do tubo que apresentou o maior grau de carburização (Amostra 3). Pode severificar através da diferenciação de cores a região mais carburizada da parte interna do tubo até mais que a metade da secção em direção à parte externa com visto na Fig 04.
Figura 04. Macrografia da Amostra 3.
Após a macrografia, obteve-se a microscopia ótica da amostra 1, com a visualizaçãoda matriz em três posições diferentes no corpo de prova (parede externa, meio e parede interna) do tubo. Foi observada a precipitação de carbetos de cromo alongada. E mais, a fraçãovolumétrica destes precipitados permanece constante ao longo de toda espessura de parededemonstrando não haver carburizaçãoconforme as Figuras 05 (a), (b) e (c).
(a) (b) (c)
Figura 05. Amostra 1. a) Parede externa. b) Centro de parede. c) Parede interna. Amostras atacadas por imersão em água régia saturada com CuCl2 com aumento de 300x.
A figura 06, apresenta a microestrutura da Amostra 2. Pode-se observara precipitação de carbetos de cromo mais arredondados próximo a parede interna, indicando a carburização, Figura 06 (a). No centro de parede os carbetos apresentam uma morfologia alongada com fração volumétrica menor do que a região da parede interna, Figura 06 (b). A partir da Figura 06 (c), pode se concluir devido à morfologia dos precipitados que a amostra se encontra moderadamente carburizada.
(a) (b) (c)
Figura 06. Amostra 2. a) Parede externa. b)Centro de parede. c) Parede interna. Amostras atacadas por imersão em água régia saturada com CuCl2com aumento de 300x.
Porém na Amostra 3, Figura 07, estima se uma carburização caracterizada como severa devido a morfologia a qual seus precipitados possuem. Nas três amostras metalográficas observa se um aumento da fração volumétrica dos precipitados de cromo em relação àsamostras anteriores. Incluindo, a região do centro de parede, Figura 07 (b), onde a presença de carbetos (pipoca) é observada no centro da amostra demostrando a severidade do processo de carburização.
(a) (b) (c)
Figura 07. Amostra 3. A) Parede externa. b)Centro de parede. c) Parede interna.Amostras atacadas por imersão em água régia saturada com CuCl2com aumento de 300x.
4.2 Ensaios Ultrassônicos
A Figura 08 mostra a média dos espectros de frequência dos 200 sinais de eco de fundo coletados para cada amostra. Observa-se que a Amostra 3, severamente carburizada, apresenta um espectro médio mais largo, com componentes de frequência menores do que as encontradas nas demais amostras. As amostras 1 e 2 apresentam componentes de frequência muito semelhantes. As frequências centrais dos espectros das amostras 1 e 2 estão próximas da frequência central do transdutor (1MHz). Na amostra 3 (severamente carburizada) as componentes de baixa frequência possuem maior amplitude (0.5MHz).
Figura 08. Espectro das médias das FFT das amostras.
4.3. Classificação por RNA
Foram testados dois conjuntos de entrada: o primeiro com 50 componentes de frequência e o segundo com 100 (Tabela 02). Observa-se que os resultados são próximos, mas o treinamento com 100 componentes apresentou resultados médios relativamente melhores. A tabela 03 mostra os resultados obtidos para o teste com a configuração mais eficiente.
Tabela 02. Matrizes de treinamento.
Mesmo durante o treinamento não foi possível ajustar ospesos sinápticos para uma classificação 100% correta. As etapas de teste e validação apresentaram um desempenho geral de 13% e 10% respectivamente. Pode-se observar que nestas etapas os erros de classificação entre os estados extremos não carburizado e severamente carburizado foi de 2,5%. Já a confusão na Amostra 2 foi inferior a 3%, sendo 0,8% em relação a amostra severamente carburizada. Durante a etapa de teste 7 (1,9%) sinais provenientes da amostra severamente carburizada foram erroneamente classificados como não carburizados, porém durante a validação o erro foi de uma amostra (0,8%.).
Matriz Confusão de Treinamento Matriz Confusão Validação Matriz Confusão Teste Matriz Confusão Total 50 90,64% ± 2,45% 85,10% ± 2,97% 86,25% ± 3,39% 88,65% ± 1,97% 100 91,86% ± 2,35% 86,33% ± 3,99% 83,91% ± 3,99% 89,15% ± 1,99%
Tabela 02. Matrizes resultado com o conjunto de 100 coeficientes.
Matriz Confusão Treinamento Matriz Confusão Validação
C la ss e de S aí d a 1 127 6 7 90,7% C la ss e de S aí d a 1 27 4 1 84,4% 35,3% 1,7% 1,9% 9,3% 22,5% 3,3% 0,8% 15,6% 2 5 106 0 95,5% 2 1 43 3 91,5% 1,4% 29,4% 0,0% 4,5% 0,8% 35,8% 2,5% 8,5% 3 2 0 107 98,2% 3 3 0 38 92,7% 0,6% 0,0% 29,7% 1,8% 2,5% 0,0% 31,7% 7,3% 94,8% 94,6% 93,9% 94,4% 87,1% 91,5% 90,5% 90,0% 5,2% 5,4% 6,1% 5,6% 12,9% 8,5% 9,5% 10,0% 1 2 3 1 2 3
Classe Alvo Classe Alvo
Matriz Confusão Teste Matriz Confusão Total
C la ss e de S aí d a 1 30 3 7 75,0% C la ss e de S aí d a 1 184 13 15 86,8% 25,0% 2,5% 5,8% 25,0% 30,7% 2,2% 2,5% 13,2% 2 5 37 0 88,1% 2 11 186 3 93,0% 4,2% 30,8% 0,0% 11,9% 1,8% 31,0% 0,5% 7,0% 3 0 1 37 97,4% 3 5 1 182 96,8% 0,0% 0,8% 30,8% 2,6% 0,8% 0,2% 30,3% 3,2% 85,7% 90,2% 84,1% 86,7% 92,0% 93,0% 91,0% 92,0% 14,3% 9,8% 15,9% 13,3% 8,0% 7,0% 9,0% 8,0% 1 2 3 1 2 3
Classe Alvo Classe Alvo
5. CONCLUSÕES
Os sinais ultrassônicos foram obtidos durantes as inspeções dos corpos de prova em aço HP 40. Após, foi realizado o processamento digital através de Transformada Discreta de Fourier e, os sinais alimentaram uma Rede Neural Artificial no intuito de encontrar uma única característica para cada estado de carburização. A RNA mostrou se bastante eficiente na classificação destes estados de degradação, como mostradas nas análises micrográficas. O acerto médios da rede acima de 90% demonstra a eficiência da RNA e da análise ultrassônica que, aliada as técnicas de processamentos de sinais podem ser mais uma ferramenta de inspeção não destrutiva. Porém, novos testes deverão ser feitos a fim de consolidar a técnica ultrassônica na inspeção de equipamentos complexos como tubos HP.
6. AGRADECIMENTOS
Os autores agradecem FAPESB e aoIFBApelo apoio a infraestrutura e bolsas que viabilizaram estetrabalho. Os autores também agradecem ao professor Paulo Moura (IFBA – campus Simões Filho) pelas amostras utilizadas neste trabalho.
REFERÊNCIAS BIBLIOGRÁFICAS
(1) Silva, I. C., “Avaliação da Carburização em aços HP por Ensaio não Destrutivo Magnético.” Tese de Doutorado em Engenharia Metalúrgica e de Materiais, COPPE/UFRJ, Rio de Janeiro, 2006. (2) Silveira, T. L. and Le May, I., “Reformer Furnaces: Materials, Damage Mechanisms, and Assessment” The Arabian Journal for Science and Engineering 31 2C, pp. 99-119, 2006.
(3) Silveira, T. F., Silveira, T. L., Almeida, L. H. e Moreira, M. F., “Microestrutura de tubos de forno de pirólise desativado após 91.000h de operação – Resultados da metalografia ótica.” In: 6º ConferênciasobreTecnologia de Equipamentos. Salvador, 2002.
(4) Silva, I. C., Rebello, J. M. A., Bruno, A. C., Jacques, P. J., Nysten, B. and Dille, J., “Structural and magnetic characterization of a carburized cast austenitic steel.” ScriptaMaterialia 59, pp. 1010– 1013, 2008.
(5) Silva, I. C., Silva, L. L., Silva, R. S., Rebello, J. M. A. and Bruno, A. C., “Carburization of ethylene pyrolysis tubes determined by magnetic measurements and genetic algorithm.” ScriptaMaterialia 56, pp. 317–320, 2007.
(6) Silva, I. C., Silva, R. S., Rebello, J. M. A., Bruno, A. C. and Silveira, T. F. “Characterization of carburization of HP steels by nondestructive magnetic testing.”NDT&E International 39, pp. 569– 577, 2006.
(7) Staszczak, E. J.,Rebello, J. M. A., Carvalho, M. B., “Análise da inspeção ultra-sônica de aços HK 40 utilizados em fornos de plantas de processamento de petróleo”In: III Pan-AmericanConference for NondestructiveTesting. Rio de Janeiro, 2003.
(8) Moreira, M. F., Silveira, T. L., Almeida, L. H. e Ferreira, L. A. M., “Carburação de ligas resistentes ao calor em atmosfera composta por hidrogênio e metano.” In: 6º Conferência sobre Tecnologia de Equipamentos. Salvador, 2002.
(9) Queiroz. F. Santos.,“Influência de Surto de Temperatura Sobre o Comportamento dos Tubos de Fornos de Reforma Fundidos por Centrifugação em Liga HP40 Modificada ao Nióbio”
(10) Da Silveira, T. L., May, I. L. “Reformer furnaces: materials, damage mechanisms and assessment”. The Arabian Journal for Science and Engineering, v. 31, n. 2C, pp. 99-119, Dez 2006. (11) Gommans, R. J., “Life Assessment and Inspection Techniques in ReformerFurnaces”, 6th Schmidt + Clemens Group Symposium, Bali, Indonesia, Ago 2002.
(12) ASM Metals Handbook, Volume 1, Properties and Selection: Irons, Steels, and High Performance Alloys, 10th, 1990.
(16) Krüger, S. E., “Caracterização Microestrutural de Ferros Fundidos por Ultra-som.” Tese de Doutorado em Engenharia Metalúrgica e de Materiais, COPPE/UFRJ, Rio de Janeiro-RJ, 2000. (17) Krüger, S. E., Rebello, J.M.A., Camargo, P.C., “Hydrogen damage detection by ultrasonic spectral analysis.”NDT&E International 32, pp 275-281, 1999.
(15)Ribeiro, A F., Almeida, L. H., Santos, D.S, D. Fruchartb., Bobrovnitchiic, G.S “Microstructural modifications induced by hydrogen in a heat resistant steel type HP-45 with Nb and Ti additions.” JournalofAlloysandCompounds 356–357, pp. 693–696, 2003.
(16) Souza Jr, C. A. S., Silva, I. C., Rebello, J. M. A., Silveira, T. L., “Desenvolvimento de sistema de inspeção automática para avaliação de colunas de fornos de reforma.” In 2º Congresso Brasileiro de P&D em Petróleo & Gás, Rio de Janeiro, 2003.
(17)McCulloch,W.S. and Pitts, W., 1943, “A logical calculus of the ideas immanent in nervous activity”, Bulletin of Mathematical Biophysics, Vol 5.
(18) Thavasimuthu, M., Rajagopalan, C., Kalyanasundaram, P. and Raj, B.,1997, “Improving the evaluation sensitivity of an ultrasonic pulse echo technique using a neural network classifier”, NDT&E International, Vol 30, No 5.
(19) Haykin S., “Redes Neurais: princípios e práticas”, 2ª ed, Porto Alegre, Bookman, 2001.
(20) Zhang, Z. and Friedrich, K., 2003, “Artificial neural networks to polymer composites: a review”, Composites Science and Technology.
(21) M. S. S Araújo.,C. T. T Farias., A. S. A Oliveira., ”Detecção e classificação de defeitos em chapas de aço carbono utilizando ondas ultrassônicas guiadas de Lamb e redes neurais artificiais.” VII CONNEPI, Congresso Norte Nordeste de Pesquisa e Inovação, Palmas, 2012.
