Identifier le son d’un effondrement de roche

Identifier le bruit de l'échec

L’apprentissage automatique supervisé a révélé que les mesures d’amplitude de virage négatif (points noirs) et de virage positif (points blancs) sur une ligne zéro neutre (points gris) se produisaient de concert avec les moments de fracture de la roche. Crédit : Rui Liu, Texas A&M Engineering

Si une roche profonde dans le sous-sol se fissure et s’effondre sous l’effet d’un changement de pression et de température, le son qu’elle émet peut-il être entendu et identifié ? Trouver le son spécifique que fait une roche lorsqu’elle se fissure et se brise semble impossible lorsqu’elle est entourée d’autres bruits souterrains.

Mais le chercheur de la Texas A&M University, le Dr Siddharth Misra, professeur associé Ted H. Smith, Jr. ’75 et Max R. Vordenbaum ’73 DVG au département de génie pétrolier Harold Vance, a découvert un moyen d’entendre et de valider ce son.

“Le DOE appelle les sons d’événements spécifiques les” signes de signature “”, a déclaré Misra. “Dans ce cas, la signature a identifié la rupture ou la discontinuité mécanique d’une roche dans le sous-sol terrestre, d’autant plus que les ruptures ont continué à se développer ou à se propager en fractures.”

Misra et son doctorant Rui Liu ont publié leurs conclusions préliminaires dans le numéro de mai 2022 du Systèmes et traitement des signaux journal.

Pourquoi Basic Energy Sciences souhaite-t-il que cette signature soit identifiée ? Les sons sont souvent des indices importants des changements environnementaux et de sécurité. Les bruits menaçants, tels que les explosions souterraines, sont difficiles à confondre. Mais les petits bruits des fondations d’un immeuble de grande hauteur qui se fissurent et s’effondrent sont tout aussi menaçants. Ainsi, le son fondamental de la roche subissant une défaillance mécanique est un indice fondamental et critique qui mérite d’être trouvé.

“Cette recherche va au cœur de l’identification de quelque chose de spécifique dans un ensemble de données massif”, a déclaré Misra. “Par exemple, les transactions par carte de crédit. Vous ne pouvez pas surveiller l’ensemble des données pour détecter les fraudes car les transactions sont si variées. Vous devez trouver un signe indicatif, tel qu’un débit de carte de crédit dans une ville pour réserver un vol d’une compagnie aérienne immédiatement après cette même carte. paie un Uber dans une autre ville. Cet écart est une signature.”

Les tentatives précédentes pour identifier les défaillances mécaniques souterraines n’ont jamais abouti à un succès fiable, mais Misra a découvert qu’une combinaison inhabituelle de trois méthodes de recherche – apprentissage automatique supervisé, découverte causale et simulations rapides – pouvait résoudre le problème.

Identifier le son d'un effondrement de roche

La chercheuse diplômée Rui Liu travaille avec son mentor, le Dr Siddharth Misra, sur un projet qui a identifié et confirmé la signature sonore définitive d’une roche lorsqu’elle se fissure et continue de se fracturer. Crédit : Nancy Luedke, Texas A&M Engineering

L’apprentissage automatique supervisé a commencé par des expériences en laboratoire dans lesquelles un système de capteur multipoint a été placé à la surface d’une roche et a enregistré des mesures de transmission des ondes sonores à travers le matériau lorsqu’il s’est fissuré et a finalement échoué. Les ordinateurs surveillaient les informations et apprenaient quelles signatures de données signifiaient des dommages initiaux, intermédiaires et finaux. Une signature révélatrice qui montait et descendait à plusieurs reprises à travers le point zéro entre les mesures positives et négatives a attiré l’attention de l’ordinateur, une fois qu’il a su quoi rechercher.

“Je ne peux voir la couleur ou la forme de quelque chose qu’avec mes yeux”, a déclaré Liu. “Mais l’apprentissage automatique peut sélectionner beaucoup plus de caractéristiques à partir des données. Il a sélectionné ces tournants positifs et négatifs, et nous avons utilisé ce signe pour obtenir d’autres résultats.”

Misra et Liu ont recherché la causalité de chacun de ces tournants pour confirmer leur source. Ils ne pouvaient pas compter sur l’ordinateur pour effectuer cette étape car l’apprentissage automatique n’est pas le meilleur interprète.

“Pendant la chaleur de l’été, les ventes de glaces augmentent et les décès par noyade augmentent”, a déclaré Misra. “Si vous utilisez l’apprentissage automatique ou des méthodes statistiques simples, ils pourraient dire que les gens se noient parce que les gens mangent de la crème glacée. C’est une corrélation. Bien qu’ils soient tous les deux liés à la chaleur estivale, ils ne sont pas liés l’un à l’autre. Ils ont chacun un effet différent. cause. Nous recherchons une causalité pour ces tournants parce que c’est à ce moment-là qu’ils deviennent significatifs.

Misra et Liu ont créé un flux de travail qui pourrait générer des scénarios de diverses propagations de fractures et formes d’onde mesurées. Ensuite, ils ont augmenté la vitesse du flux de travail pour exécuter rapidement jusqu’à 20 000 simulations différentes de possibilités pour chaque événement. Cela a permis aux chercheurs de découvrir les meilleures explications de cause à effet.

“Nous n’avons pas contrôlé la propagation de la discontinuité, il y a donc beaucoup de hasard”, a déclaré Misra. “Pourtant, à mesure que les fractures se développaient, malgré les différences de direction ou de longueur, les résultats ont montré une augmentation similaire des amplifications ou des virages positifs et négatifs à travers le point zéro des formes d’onde. Il s’agit donc d’une signature définitive de la rupture de la roche, qui, à à ma connaissance, n’était pas connu avant cette recherche.”

Bien que la découverte de la signature soit passionnante, le projet a encore plusieurs mois devant lui. Misra a l’intention d’explorer les limites des simulations basées sur les données et de l’approche de découverte causale. Il testera également d’autres méthodes pour voir si des résultats similaires ou différents se produisent.

“Ce que nous devons faire en tant que scientifiques, en tant qu’ingénieurs, c’est trouver la causalité, trouver la causalité”, a déclaré Misra. “Nous avons essayé de nombreuses techniques différentes pour découvrir cette signature et ses relations causales. Beaucoup d’approches n’ont pas fonctionné, mais une a fonctionné. Nous devons maintenant trouver les limites de ce qu’elle peut faire.”


Le bruit souterrain révèle les voies de fracture nécessaires à la production d’énergie


Plus d’information:
Rui Liu et al, Surveillance de la propagation de la discontinuité mécanique à l’aide de la découverte causale basée sur les données et de l’apprentissage supervisé, Systèmes mécaniques et traitement du signal (2022). DOI : 10.1016/j.ymssp.2021.108791

Fourni par l’Université Texas A&M

Citation: Pinpointing the sound of rock failure (2022, 30 mars) récupéré le 30 mars 2022 sur https://techxplore.com/news/2022-03-failure.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.