Caracterización de etapas de perforado en probetas multicapas mediante la emisión acústica generada durante la perforación

• Autores: Guido Claudio Ferrari, Martín Pedro Gómez
• Localización: Tecnura: Tecnología y Cultura Afirmando el Conocimiento, ISSN-e 2248-7638, ISSN 0123-921X, Vol. 24, Nº. 63, 2020 (Ejemplar dedicado a: January - March), págs. 26-39
• Idioma: español
• Títulos paralelos:
  • Characterization of drilling stages in multilayer specimens through the Acoustic Emission generated during the drilling process
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: El presente trabajo se basa en el monitoreo mediante emisión acústica de la herramienta de corte en un proceso de perforación de material geológico y la utilización de redes neuronales tipo Kohonen para la clasificación de la información.

    Metodología: La metodología consistió en la realización de una serie de perforaciones sobre una probeta construida con rocas tipo arenisca, caliza y pizarra, dispuestas en capas y consolidadas con una mezcla de cemento. El herramental utilizado para la perforación consistió en un cortador de dos filos de carburo de tungsteno (CT), de 65 mm de diámetro. El proceso completo fue monitoreado mediante un sistema de emisión acústica acoplado a la broca giratoria y a la probeta de ensayo. Posteriormente se correlacionó la emisión acústica con la estratigrafía de la perforación, se procesó y adaptó la información para entrenar y simular una red neuronal tipo Kohonen, que clasificó la información del proceso según el tipo de roca que se estaba atravesado con el cortador.

    Resultados: Los resultados muestran que la técnica de emisión acústica es sensible a los cambios de estratos durante la perforación de estos geomateriales y que la instrumentación de la broca rotante brinda un buen canal de monitoreo de este proceso. En este se observan los transitorios de cambio de interfaces y el perforado estable mediante el análisis de parámetros de la emisión acústica como RMS, energía MARSE, rise time y frecuencia promedio.

    Conclusiones: La técnica de emisión acústica puede ser utilizada para el monitoreo del proceso de taladrado en la presente escala. El procesamiento de los parámetros de emisión acústica permitió entrenar y simular una red neuronal Kohonen que pueda clasificar diferentes etapas del perforado con un error de mezclado inferior al 5 %.

  • English

    Objective: This work is based on the Acoustic Emission (EA) monitoring of the cutting tool in a geological material drilling process and the use of Kohonen type Neural Networks for the classification of information.

    Methodology: The methodology consisted in the realization of a series of perforations on a specimen built with sandstone, limestone and slate rocks, arranged in layers and consolidated with a cement mixture. The tool used for drilling consisted of a double-edged Tungsten Carbide (CT) cutter, 65 mm in diameter. The entire process was monitored by an AE system coupled to the rotating drill and test specimen. Subsequently, the EA was correlated with the stratigraphy of the perforation, the information was processed and adapted to train and simulate a Kohonen type neural network, which classified the process information according to the type of rock that was traversed with the cutter.

    Results: The results show that the Acoustic Emission technique is sensitive to stratum changes during the drilling process of these geomaterials and that the instrumentation of the rotating drill provides a good monitoring channel for this process. In this, the change of interfaces of the interfaces and the stable drilling process can be observed through the analysis of acoustic emission parameters such as rms, MARSE energy, rise time and average frequency.

    Conclusions: The Acoustic Emission technique can be used to monitor the drilling process on this scale. The processing of the Acoustic Emission parameters allowed to train and simulate a Kohonen neural network that can classify different stages of the drilling process with a mixing error of less than 5%.