Abstract: T. Kok, C. Aldrich (2019)

A classification framework was developed to identify different types of corrosion in aqueous systems by use of electrochemical noise. Segments of electrochemical noise signals generated by uniform corrosion, pitting corrosion and passivation were analysed in a sliding window. Unthresholded recurrence plots were derived from each segment based on Euclidean distance measures of similarity. Multivariate image analysis was used to extract features from the recurrence plots and these features were used as predictors in a classifier trained to identify the corrosion types. The classification models showed satisfactory prediction accuracy and could potentially be applied in real-time corrosion monitoring systems. The length of the sliding window is a critical parameter in the proposed framework and its effect on classification performance was investigated as well.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Analysis of Electrochemical Noise for Corrosion Type Identification by Use of Global Recurrence Plots and Texture Analysis