Este trabalho tem como objetivo avaliar o desempenho de métodos de reconhecimento de padrões na identificação de diferentes microestruturas presentes nos ferros fundidos, conhecidas como: lamelar, vermicular e esferoidal, através das análises fractais e de flutuações estatísticas de sinais ultra-sônicos retroespalhados. Esses sinais foram obtidos com um transdutor ultra-sônico de banda larga com freqüência central de 5MHz. As flutuações estatísticas dos sinais ultra-sônicos foram analisadas por meio da análise de Hurst (Rescaled Range Analysis) e da análise DF (Detrended-fluctuation analyses), e as análises fractais foram realizadas por meio das técnicas contegem de caixa (Box-counting) e cobertura mínima (Minimal cover). As curvas obtidas por tais técnicas, em função do tamanho da janela, foram processadas usando duas técnicas de classificação de padrão, conhecidas como, transformada de Karhunen-Loève e redes neurais artificiais (RNA). Os dois métodos apresentaram resultados semelhantes, alcançando taxas de acerto de 100%, para a classificação dos vetores obtidos a partir das técnicas de análise de flutuação, RS e DFA. Esses resultados indicam que tanto a transformada KL quanto redes neurais associadas com um método estatístico de análise de flutuação são boas ferramentas para o reconhecimento de diferentes microestruturas em ferros fundido. Porém o algoritmo de redes neurais apresenta um custo computacional maior que a transformada de Karhunen-Loève. |