Comportamiento y simulación de la corrosión electroquímica de metales en biodiesel

Resumen La corrosión y la auto-oxidación de ésteres insaturados son las principales preocupaciones asociadas a los problemas de compatibilidad del biodiesel. Esta investigación tiene como objetivo evaluar el comportamiento corrosivo del biodiesel de canola, soya, pollo, cerdo y B20 en contacto con metales como el 304SS, Al, 1018CS y Cu. Las técnicas electroquímicas usadas incluyen el potencial a circuito abierto, ruido electroquímico y espectroscopía de impedancia electroquímica. Además, desarrollar una red neuronal artificial (RNA) capaz de aprender a partir de datos experimentales e información de la literatura científica para predecir la velocidad de corrosión de metales en biodiesel. Los biodiesel evaluados alcanzaron valores de resistencias en un intervalo de 1E+05 – 1E+11 Ohm.cm2. Los mayores resultados de velocidad de corrosión se obtuvieron para el 1018CS y el Cu en estos biocombustibles, ambos metales demostraron ser susceptibles a la corrosión generalizada o uniforme; mientras que el 304SS y el Al fueron susceptibles a la corrosión mixta. Se apreció una degradación en el biodiesel por cambios en su composición química e incremento de la densidad, viscosidad cinemática, acidez y contenido de agua al final de la prueba. En relación a la RNA desarrollada, los mejores datos de ajuste se adquirieron con una arquitectura 24:4:1, considerando un algoritmo de aprendizaje de Levenberg-Marquardt y una función de transferencia tangencial hiperbólica y lineal para la capa oculta y de salida, respectivamente. El modelo de regresión lineal entre los datos experimentales y simulados alcanzó un coeficiente de correlación de 0.98851 y un error cuadrático medio, de 2.15E-04 en la etapa de validación. Además, el modelo cumplió con los requisitos de la prueba estadística de pendiente e intercepto con un nivel de confianza del 99%.º

Abstract Corrosion and unsaturated esters auto oxidation are the main concerns associated to biodiesel compatibility issues. This research aims to evaluate the corrosive behavior of canola, soybean, chicken, pork and B20 biodiesel in contact with 304SS, Al, 1018CS and Cu. The electrochemical techniques used include the open circuit potential, electrochemical noise and electrochemical impedance spectroscopy. In addition, we develop an artificial neural network with the ability to learn from experimental values and scientific literature to predict the corrosion rate of metals in different biodiesel. The evaluated biodiesel reached values of resistances in a range of 1E+05 - 1E+11 Ohm.cm2. The highest corrosion rate results were obtained for the 1018CS and the Cu in these biofuels, both metals proved to be susceptible to generalized or uniform corrosion; while the 304SS and the Al were susceptible to mixed corrosion. A degradation in biodiesel was observed due to changes in its composition and increase in density, kinematic viscosity, acidity and water content at the end of the test. In relation to ANN developed, the best fitting data were acquired with an architecture 24:4:1, considering a Levenberg – Marquardt learning algorithm and a tangent hyperbolic and linear transfer functions in the hidden and output layer respectively. Linear regression model between experimental and simulated data reached a correlation coefficient of 0.98851 and a mean square error, of 2.15E-04 in the validation stage. Furthermore, the model met the requirements of the slope and the intercept statistical test with a 99% confidence level.