Detección de fractura completa de herramienta durante el taladrado de apilados híbridos cfrp/metal mediante análisis en el dominio tiempo-frecuencia

• A. Guerra-Sancho ^[1] ; C. Domínguez-Monferrer ^[1] ; M.H. Miguélez ^[1] ; J.L. Cantero ^[1]
  1. [1] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
• Localización: Revista española de mecánica de la fractura, ISSN-e 2792-4246, Nº. 7, 2024, págs. 249-254
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • español

    Este estudio presenta un procedimiento para detectar la fractura completa de la herramienta en un proceso de taladrado industrial de componentes estructurales aeronáuticos híbridos CFRP/Metal. Las herramientas son brocas helicoidales de metal duro con recubrimiento de diamante diseñadas para este tipo de aplicación. Inicialmente, se realiza un análisis exploratorio de los datos recogidos con el fin de conocer la naturaleza del fallo e identificar sus posibles causas. Para detectar con precisión la fractura de la herramienta, se propone un método basado en el análisis de las señales de consumo de potencia del husillo principal en el dominio tiempo-frecuencia mediante la Transformada Wavelet Discreta (DWT por sus siglas en inglés) con una ondícula de la familia Daubechies. Las señales se obtienen mediante la monitorización de la máquina de taladrado automática del sistema industrial. En cada nivel de descomposición se calculan medidas estadísticas para extraer características de la señal que luego se utilizan como entradas de un algoritmo clasificador para identificar patrones o anomalías de la señal. Empleando este enfoque, se ha obtenido una detección del 100% de los casos de rotura con un total de 0 falsos positivos en todo el conjunto de observaciones.

  • English

    This study presents a procedure for detecting complete tool fracture in an industrial drilling process of hybrid CFRP/Metal aeronautical structural components. The tools are carbide helical drills with diamond coating designed for this specific application. Initially, an exploratory analysis of the collected data is conducted to understand the nature of the failure and identify its possible causes. To accurately detect tool fracture, a method based on the analysis of power consumption signals from the main spindle in the time-frequency domain is proposed, employing the Discrete Wavelet Transform (DWT) with a Daubechies wavelet. The signals are obtained through monitoring the automatic drilling machine in the industrial system. Statistical measures are calculated at each decomposition level to extract signal features, which are then used as inputs for a classifier algorithm to identify patterns or signal anomalies. Using this approach, a 100% detection rate for fracture cases is achieved, with no false positives across the entire dataset.