Tool wear monitoring in rock drilling applications using vibration signals

سایش ابزار به شدت بر ایمنی، بهره وری و عملکرد کلی عملیات حفاری سنگ تاثیر می گذارد. از آنجایی که سنگ مواد شکننده، غیر همگن و غیر آلی است که خواص فیزیکی و مکانیکی آنها معمولا در منطقه برش بسیار متفاوت است، نظارت بر پوشیدن ابزار می تواند به طور بالقوه یک کار بسیار دشوار باشد. با این وجود، نیاز به نظارت بر پوشیدگی در محیط حفاری کاملا اتوماتیک ضروری است. تابع آن نه تنها برای نظارت و تشخیص روند برش بلکه برای ارائه اطلاعات دقیق است که امکان تنظیم زمان واقعی پارامترهای ماشینکاری را فراهم می کند. بنابراین، یک مطالعه تجربی اولیه از روند حفاری سنگ در سنگ آهک و سنگ مرمر به منظور تعیین اینکه آیا سیگنال های ارتعاش می تواند به راحتی طبقه سطح سایش مته انجام شده است. بر این اساس، سیگنال ها بر روی هر سه محور متعامد اندازه گیری شد و ویژگی های سایش ابزار از طیف فرکانس در فرم انرژی مربوط به پهنای باند های مختلف استخراج شد. استخراج ویژگی و انتخاب با استفاده از یک روش پیشنهادی جدید انجام شد. ویژگی های انتخاب شده در نهایت با استفاده از طبقه بندی شبکه های عصبی مصنوعی پردازش شدند. نتایج نتایج بالقوه تجزیه و تحلیل سیگنال و روش پیشنهادی برای طبقه بندی سطوح سایش ابزار در حین حفاری سنگ را تایید می کند.