Menu
A aplicação de estruturas estaiadas para linhas de transmissão de energia elétrica é uma pratica crescente pela eficiência em custo. Porém, mesmo com a proteção com uma pasta de concreto, os tirantes muitas vezes sofrem corrosão podendo ter sua seção reduzida até ao ponto de ruptura perdendo a torre assim, sua sustentação. O acompanhamento da evolução da corrosão dos tirantes não é viável por inspeção visual e a manutenção das torres tem custo elevado devido envolver escavação e localização remota, por isso, havendo grande interesse das administradoras das torres em desenvolver métodos e ferramentas que sejam capazes de gerar um diagnóstico para manutenção das torres. O objetivo deste trabalho foi propor uma ferramenta numérica de classificação de torres estaiadas em termos de grau de corrosão por comitê de máquinas e redes neurais artificiais para a linha Açu-Lagoa Nova localizada no estado Rio Grande do Norte no Brasil. Neste trabalho foram coletadas 38 amostras de 33 variáveis ligadas a corrosão no solo ao longo da linha. Os objetivos para treinamento das redes neurais foram obtidos a partir da inspeção de tirantes retirados no campo. Foi proposto simplificação da dimensionalidade do problema por análise de componentes principais cujo resultado obtido foi descrever o fenômeno com apenas 6 variáveis ao invés de 33, o que traz uma maior facilidade de aplicação na prática por reduzir massivamente a coleta de dados em campo. Várias topologias de redes foram treinadas e as melhores em termos de capacidade de generalização e especialistas foram combinadas em comitê de máquinas para a proposta final deste trabalho. A classificação obtida pela aplicação do comitê para algumas torres foi comparada com outros dois métodos de aferição de grau de corrosividade: o ensaio RIMT e a medição direta da taxa de corrosão por cupons. A correlação com RIMT foi de 80% para 10 torres comparadas desta maneira. Comparada a classificação gerada pela medição da taxa de corrosão, o comitê classificou de forma mais branda, principalmente pela grande diferença de tempo de exposição ao meio corrosivo, sendo para os tirantes algo entre 7 a 9 anos ao passo em que os cupons foram expostos a um período inferior a um ano.
It has been increasing the usage of guyed mast towers for electricity transmission due to its lower cost. However, despite the cement paste protection, the anchors often suffers corrosion which can reduce their section until rupture, losing the tower its support. It is not feasible to follow the evolution of the corrosion in the anchors with visual inspection and the towers maintenance have a high cost mainly due to the need for excavation and its remote localization. Because of that, the transmission line maintenance group has interest in developing methods and tools for the diagnostics of the structure and priority maintenance. The objective of this work was to develop a numerical tool to classify guyed mast towers in terms of corrosion degree using machine committee and artificial neural networks for Açu-Lagoa Nova transmission line localized at Rio Grande do Norte state in Brazil. In this work 38 field samples were acquired, while 33 variables were selected related to the soil corrosion process along the line. Targets for the neural network training were defined from visual inspection of anchors acquired in the field. It was proposed a dimension reduction with principal components analysis, reducing the problem description to only 6 variables, instead of 33, resulting in a much easier way for applying the methodology in the field due to the massive reduction of variables to collect. Many different topologies of neural networks were trained and the best results in terms of generalization capacity and specialist networks were combined in the machine committee as the final topic of this work. The machine committee classification was compared to two other corrosion grade classification methods: RMIT and the direct measurement of corrosion rate with coupons. The achieved correlation with RMIT was 80% for 10 towers compared towers. Considering the classification with the measurement of corrosion rate, the machine committee ranked poorly, mainly due to the big difference in terms of time of exposition to the soil, where the anchors were buried for a period between 7 and 9 years and the coupons less than one year.
Banca Examinadora
Orientador(a): Luiz Alkimin de Lacerda (Lactec)
Membro da Banca: Ana Paula Oening (Lactec)
Membro da Banca: Mariana D’Orey Gaivão Portella (Lactec)
Membro da Banca: Roberto Pettres (UFPR)
Palavra(s)-Chave: Redes neurais, Comitê de máquinas, torre estaiada, corrosão.
Keywords: Neural network, machine committee, guyed mast tower, corrosion.
