IDENTIFICANDO PARÂMETROS DE CORROSÃO UTILIZANDO UM ALGORITMO GENÉTICO

Julia Lahud; Wilian Jeronimo dos Santos

Todos os Trabalhos

Trabalho

Título do Trabalho

IDENTIFICANDO PARÂMETROS DE CORROSÃO UTILIZANDO UM ALGORITMO GENÉTICO

Autores

Julia Lahud
Wilian Jeronimo dos Santos

Modalidade

Resumo

Área temática

Ciências Exatas e da Terra - Matemática

Data de Publicação

27/03/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1324047-identificando-parametros-de-corrosao-utilizando-um-algoritmo-genetico

ISBN

978-65-272-2302-3

Palavras-Chave

Corrosão eletroquímica, Algoritmo genético, Parâmetros de corrosão, Curvas de Tafel, Modelagem computacional.

Resumo

A corrosão eletroquímica, entendida como um processo inverso da metalurgia, ocorre naturalmente em ambientes contendo ânodo, cátodo, diferença de potencial, eletrólito e uma liga metálica condutora, sendo observada em embalagens metálicas de alimentos, tubulações enterradas, estruturas off-shore e navios (1). A determinação de parâmetros fundamentais como potencial de corrosão (Ecorr), densidade de corrente de corrosão (icorr) e declives de Tafel anódico (βa) e catódico (βc) é essencial para prever falhas, orientar estratégias de manutenção e otimizar o desempenho de materiais. Entretanto, métodos tradicionais de regressão aplicados às curvas de polarização podem ser comprometidos pela escassez de pontos experimentais e pela presença de ruído (2). Nesse contexto, o presente trabalho teve como objetivo desenvolver e aplicar um algoritmo genético (AG) para identificar parâmetros de corrosão a partir de dados sintéticos ruidosos, avaliando sua robustez e precisão em diferentes condições. Para isso, foram simulados 20 pontos de potencial no intervalo de −0,75V a −0,40V com ruído gaussiano aditivo proporcional à magnitude da corrente (desvio padrão relativo de 10%), preservando as características físicas do sistema. Dois cenários foram analisados: (i) metal sem revestimento, com parâmetros verdadeiros Ecorr = −0,58V, icorr = 10−4 A/cm², βa = 120mV/dec e βc = 100mV/dec, e (ii) metal com revestimento protetor, caracterizado por Ecorr = −0,52V, icorr = 10−7 A/cm² e os mesmos declives de Tafel. O algoritmo genético, implementado com representação real, população de 100 indivíduos, 200 gerações, taxa de cruzamento de 0,85, taxa de mutação de 0,05 e elitismo preservando até 4 indivíduos, buscou maximizar o coeficiente de determinação (R²) entre os valores estimados pelo modelo de Butler–Volmer e os dados simulados (3). Os resultados mostraram que, no cenário com revestimento, o AG atingiu R² = 0,9967, estimando Ecorr = −0,5179V, icorr = 7,8×10−8 A/cm², βa = 113,9mV/dec e βc = 94,8mV/dec, com taxa de corrosão RC = 0,000907mm/ano, em concordância com os valores de referência. Já no cenário sem revestimento, obteve-se R² = 0,9944, com Ecorr = −0,5739V, icorr = 1,57×10−4 A/cm², βa = 135,9mV/dec, βc = 122,2mV/dec e RC = 1,823mm/ano, valores próximos, ainda que levemente inflacionados pela influência do ruído sobre a região de maior curvatura da curva de polarização. A comparação entre os cenários evidencia que o revestimento desloca Ecorr e reduz icorr em aproximadamente três ordens de grandeza, resultando em significativa diminuição da taxa de corrosão, o que confirma sua função barreira protetora. Os resultados demonstram que o algoritmo genético foi capaz de recuperar com alta precisão os parâmetros de corrosão, mesmo com dados escassos e ruidosos, apresentando R² superior a 0,99 em todas as condições. Conclui-se que a metodologia proposta é simples, fisicamente consistente e robusta, com potencial de aplicação em contextos experimentais, podendo auxiliar na previsão de falhas e no planejamento de estratégias anticorrosivas. Como trabalhos futuros, propõe-se o aumento da densidade de pontos próximos a Ecorr, a avaliação de funções objetivo robustas e a validação com dados experimentais reais. Referências 1.Vicente Gentil; Ladimir José de Carvalho. Corrosão. LTC, Rio de Janeiro, 7ª edição, 2022. 2.Metrohm Autolab. Calculation of corrosion parameters with nova. Application Note AN-COR-002, Metrohm Autolab, 2018. URL https://www.metrohm.com/en/products/electrochemistry. Accessed April 15, 2025. 3.Ricardo Linden. Algoritmos Genéticos. Ciência Moderna, Rio de Janeiro, 3ª edição, 2012. ISBN 9788539901951.

Título do Evento: XII Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2025) & VI Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2025)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

LAHUD, Julia; SANTOS, Wilian Jeronimo dos. IDENTIFICANDO PARÂMETROS DE CORROSÃO UTILIZANDO UM ALGORITMO GENÉTICO.. In: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário. Anais...Seropédica(RJ) UFRRJ, 2025. Disponível em: https//www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1324047-IDENTIFICANDO-PARAMETROS-DE-CORROSAO-UTILIZANDO-UM-ALGORITMO-GENETICO. Acesso em: 13/06/2026