CN116893258B - 复合岩层结构随钻探测装置及智能识别方法 - Google Patents
复合岩层结构随钻探测装置及智能识别方法 Download PDFInfo
- Publication number
- CN116893258B CN116893258B CN202310852726.7A CN202310852726A CN116893258B CN 116893258 B CN116893258 B CN 116893258B CN 202310852726 A CN202310852726 A CN 202310852726A CN 116893258 B CN116893258 B CN 116893258B
- Authority
- CN
- China
- Prior art keywords
- drilling
- rock
- fixedly connected
- sample
- acquisition unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 151
- 238000005553 drilling Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000002131 composite material Substances 0.000 title claims abstract description 23
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 21
- 239000010959 steel Substances 0.000 claims description 21
- 238000002474 experimental method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 claims 1
- 239000003245 coal Substances 0.000 abstract description 22
- 238000001514 detection method Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000011176 pooling Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D1/00—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor
- B28D1/14—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor by boring or drilling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
Abstract
本发明属于煤矿巷道围岩感知技术领域，尤其涉及复合岩层结构随钻探测装置及智能识别方法，装置包括设备底座，设备底座中部固定连接有竖直设置的支撑杆，支撑杆底部一侧固定连接有钻进液压油缸，液压油缸活塞端固定连接有自适应随钻数据采集模块并与支撑杆滑动连接，随钻数据采集模块上方设置试样台，与支撑杆固定连接，支撑杆顶端固定连接有顶部限位系统，试样台与顶部限位系统之间设有岩石夹持器，随钻数据采集模块、数据采集装置及数据分析终端均电性连接。本发明还原煤矿现场真实力学环境，通过随钻数据采集模块获取多项参数，利用机器学习方法表征复合岩层性能参数，实现岩石岩性的智能识别，可为巷道围岩差异化控制提供支持。
Description
技术领域
本发明属于煤矿巷道围岩感知技术领域，尤其涉及复合岩层结构随钻探测装置及智能识别方法。
背景技术
煤层巷道受地质条件起伏明显，长距离巷道单一化支护时常造成支护强度过剩或不足，导致巷道支护成本浪费或维控效果降低。同时，受采煤工作面智能化快速建设的影响，采掘接替问题愈发突出，因此，实现顶板岩层结构的透明化成为煤巷快速智能掘进的关键问题。
钻孔成像、微震监测作为当前煤巷顶板结构探测的主流技术，受设备集成尺寸及施工效率影响，不能做到顶板结构的实时探测，不符合煤巷快速掘进的具体要求。随钻探测作为一种简单便捷的探测手段，最初用于石油与大型地质勘探领域，近年来受掘进智能化的发展，逐步引入煤矿领域。主要通过钻机钻进期间对扭矩、转速、推进力等参数的实时采集，进而建立不同钻进参数与岩体性质的映射关系。
CN114000866A提出的岩体结构特征随钻测试装置及方法，通过岩体固定装置与钻进部分实现钻进过程参数的采集，然而该装置不能设定围压，且不能实现钻进参数的多源采集，因此缺乏对实际工程状况的真实模拟。CN112145151A提出的一种基于随钻响应参数的冲击危险性动态探测及评估方法，主要用于钻进期间对不同参数的合理分析实现钻进所在煤层应力环境，用于冲击危险性评价，这与CN114017029B所提的一种煤体应力随钻测量实验方法及装置相似，均不能实现岩体性质的探测识别。CN115059449A提出的一种煤矿井下自识别多参数近钻头随钻测量装置及方法，主要用于煤矿井下大直径卸压钻机等大型钻孔设备，不适用于煤巷顶板支护中采用的锚杆钻机等设备。CN115077607A提出的一种煤矿巷道围岩随钻岩性智能识别系统及方法，通过设计的相关实验装置实现围岩性质的智能识别，然而该设备主要有以下3点不足：1.钻进姿态为水平状态，与真实顶板锚杆钻机施工姿态不符，影响钻进参数的识别准确性；2.不能施加围压设施，与井下围岩真实工况相差较大；3.所述钻机钻头与常规双翼聚晶金刚石PDC钻头不符，因此该方法用于煤巷围岩岩性识别存在严重不足。
当前煤矿领域主流随钻探测装置主要存在以下问题：1.当前功能主要聚焦于围岩应力、瓦斯探测，对岩体性质随钻探测装备较少；2.实验装置钻头钻机工况模拟对象多为大直径卸压钻机，与实际锚杆钻机钻进尺寸不符；3.现有的随钻探测实验装置钻进姿态以水平为主，不符合煤巷锚杆钻机钻进姿态；4.现有实验装置通常以线性约束固定实验岩块，不能施加围压，与井下岩体应力场环境相差较大。
因此，亟需开发复合岩层结构随钻探测装置及智能识别方法以解决上述问题。
发明内容
本发明的目的是提供复合岩层结构随钻探测装置及智能识别方法，以解决上述问题，达到实现真实条件应力场环境的模拟还原，通过不同岩石钻进期间随钻响应特征来实现岩性的智能识别。
为实现上述目的，本发明提供了如下方案：复合岩层结构随钻探测装置，包括设备底座，所述设备底座顶端中部固定连接有竖直设置的支撑杆，所述支撑杆底部一侧固定连接有钻进液压油缸，所述钻进液压油缸活塞端固定连接有自适应随钻数据采集模块，所述自适应随钻数据采集模块与所述支撑杆滑动连接，所述自适应随钻数据采集模块上方对应设置有试样台，所述试样台与所述支撑杆固定连接，所述支撑杆顶端固定连接有顶部限位系统，所述试样台与所述顶部限位系统之间设置有岩石夹持器，所述自适应随钻数据采集模块与所述数据采集装置电性连接，所述数据采集装置与所述数据分析终端电性连接。
优选的，所述岩石夹持器包括底板，所述底板中部开设有方形通孔，所述底板底端四角分别设置有万向滚轮，所述万向滚轮与所述试样台顶端滚动接触，所述底板顶端四角分别固定连接有支撑液压油缸，所述支撑液压油缸活塞端穿过所述底板并固定连接有岩石样品夹持装置支撑柱，所述岩石样品夹持装置支撑柱底端与所述试样台顶端抵接，四个所述岩石样品夹持装置支撑柱位于四个所述万向滚轮之间，所述底板顶端固定连接有两个相互平行且竖直设置的固定限位钢板，两个所述固定限位钢板位于四个所述支撑液压油缸之间，两个所述固定限位钢板之间固定连接有两个相互平行且竖直设置的液压油缸钢板，所述液压油缸钢板、固定限位钢板顶端共同固定连接顶板底端，所述顶板顶端与所述顶部限位系统底端抵接。
优选的，所述自适应随钻数据采集模块包括固定板，所述固定板底端与所述钻进液压油缸活塞端固定连接，所述固定板一侧固定连接有钻进导轨槽，所述钻进导轨槽与所述支撑杆滑动连接，所述固定板另一侧底部固定连接有转速采集单元，所述转速采集单元输出端固定连接扭矩采集单元一端，所述扭矩采集单元另一端固定连接有钻杆槽，所述钻杆槽与所述扭矩采集单元之间设置有轴力采集单元，所述轴力采集单元、扭矩采集单元、转速采集单元与所述数据采集装置电性连接。
优选的，所述试样台包括试样台平面，所述试样台平面与所述支撑杆固定连接，所述试样台平面中部开设有钻进孔口，所述万向滚轮与所述试样台平面滚动接触，所述岩石样品夹持装置支撑柱底端与所述试样台平面顶端抵接，所述试样台平面顶端两侧分别设置有放置岩石样品入口，所述试样台平面一侧壁固定连接有试样台护栏。
优选的，所述支撑杆底部侧壁固定连接有导轨，所述钻进导轨槽与所述导轨滑动配合。
优选的，所述岩石夹持器可夹持岩石尺寸的范围为：长50-200mm，宽50-200mm，高100-600mm。
复合岩层结构随钻探测装置的实验方法，包括以下步骤：
S1、制备不同强度的岩石样品；
S2、测试所述S1中的所述岩石样品的基础参数；
S3、将所述S2中的所述岩石样品放置在所述岩石夹持器并固定；
S4、控制所述自适应随钻数据采集模块对所述岩石样品进行钻进，并监测钻进过程中参数变化；
S5、钻进完成，将所述自适应随钻数据采集模块退出所述岩石样品；
S6、重复所述S2-S5，对不同强度及复合的所述岩石样品进行实验；
S7、重复所述S2-S5，设置不同的围压大小，对不同强度的所述岩石样品进行实验；
S8、重复所述S2-S5，对同一强度、不同损伤程度的所述岩石样品进行实验；
S9、根据实验数据建立数据库并分析，采用机器学习以数据库为目标进行训练学习，实现顶板结构智能化识别。
优选的，所述S1中依据相似准则或基于原位岩石制备不同强度的所述岩石样品。
优选的，所述S2中基础参数包括单轴抗压强度、弹性模量、内摩擦角、泊松比。
优选的，利用所述自适应随钻数据采集模块中所述轴力采集单元、转速采集单元以及扭矩采集单元与岩石强度呈现正相关，岩石强度与钻进参数初步映射关系式所示，将映射关系融入进机器学习算法当中，进而实现岩石类型的智能识别，式(1)中E代表岩石强度，i代表数据数量，k为经验系数，N为转速，M为扭矩，F为钻进力，a为钻进力的经验系数，b为常数。
与现有技术相比，本发明具有如下优点和技术效果：
(1)本发明能够模拟煤巷真实锚杆钻机的钻头尺寸与钻进姿态，同时实现岩石样品的围压施加，真实模拟围岩应力状态；
(2)通过扭矩、转速、钻速、推进力及围压的不同梯度设计，可以实现钻进过程当中不同强度、不同损伤程度及不同裂隙数量岩体的响应规律；
(3)基于钻进数据，能够反演获得不同强度、损伤程度及裂隙数量岩体与不同钻进参数的映射关系，最终用于岩体性质的动态识别；
(4)基于所述自适应随钻数据采集模块，对煤矿井下锚杆钻机的迅速改进，可快速实现复合岩层结构随钻探测的现场应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：
图1为本发明实验装置结构示意图；
图2为本发明岩石夹持器结构示意图；
图3为本发明自适应随钻数据采集模块结构示意图；
图4为本发明试样台结构示意图。
其中，11、放置岩石样品入口；12、钻进孔口；13、试样台护栏；14、试样台平面；15、试样台；2、岩石夹持器；21、岩石样品；22、万向滚轮；23、岩石样品夹持装置支撑柱；24、液压油缸钢板；25、固定限位钢板；26、支撑液压油缸；3、顶部限位系统；4、钻进液压油缸；5、自适应随钻数据采集模块；51、钻杆槽；52、轴力采集单元；53、扭矩采集单元；54、转速采集单元；55、钻进导轨槽；6、位移传感器；7、导轨；8、设备底座；9、数据采集装置；10、数据分析终端。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1-图4，本发明提供复合岩层结构随钻探测装置，包括设备底座8，设备底座8顶端中部固定连接有竖直设置的支撑杆，支撑杆底部一侧固定连接有钻进液压油缸4，钻进液压油缸4活塞端固定连接有自适应随钻数据采集模块5，自适应随钻数据采集模块5与支撑杆滑动连接，自适应随钻数据采集模块5上方对应设置有试样台15，试样台15与支撑杆固定连接，支撑杆顶端固定连接有顶部限位系统3，试样台15与顶部限位系统3之间设置有岩石夹持器2，自适应随钻数据采集模块5与数据采集装置9电性连接，数据采集装置9与数据分析终端10电性连接。
进一步的，支撑杆底端固定连接有位移传感器6，用于监测位移数值。
数据采集装置9能够通过Bluetooth和Wireless Fidelity技术实现随钻数据的无线高效传输，这解决了煤矿井下数据传输繁琐的问题，数据分析终端10可以实现随钻数据的智能分析与岩层判别。
进一步优化方案，岩石夹持器2包括底板，底板中部开设有方形通孔，底板底端四角分别设置有万向滚轮22，万向滚轮22与试样台15顶端滚动接触，底板顶端四角分别固定连接有支撑液压油缸26，支撑液压油缸26活塞端穿过底板并固定连接有岩石样品夹持装置支撑柱23，岩石样品夹持装置支撑柱23底端与试样台15顶端抵接，四个岩石样品夹持装置支撑柱23位于四个万向滚轮22之间，底板顶端固定连接有两个相互平行且竖直设置的固定限位钢板25，两个固定限位钢板25位于四个支撑液压油缸26之间，两个固定限位钢板25之间固定连接有两个相互平行且竖直设置的液压油缸钢板24，液压油缸钢板24、固定限位钢板25顶端共同固定连接顶板底端，顶板顶端与顶部限位系统3底端抵接。
液压油缸钢板24、固定限位钢板25用于实现岩石样品21的围压施加；依托万向滚轮22实现岩石夹持器2在试样台15上的自由移动；通过支撑液压油缸26实现岩石夹持器2在顶部限位系统3与试样台15之间的固定。
岩石夹持器2可夹持岩石尺寸的范围为：长50-200mm，宽50-200mm，高100-600mm。
进一步优化方案，自适应随钻数据采集模块5包括固定板，固定板底端与钻进液压油缸4活塞端固定连接，固定板一侧固定连接有钻进导轨槽55，钻进导轨槽55与支撑杆滑动连接，固定板另一侧底部固定连接有转速采集单元54，转速采集单元54输出端固定连接扭矩采集单元53一端，扭矩采集单元53另一端固定连接有钻杆槽51，钻杆槽51与扭矩采集单元53之间设置有轴力采集单元52，轴力采集单元52、扭矩采集单元53、转速采集单元54与数据采集装置9电性连接。
自适应随钻数据采集模块5整体在支撑杆移动，产生位移，钻进杆体在钻杆槽51中由转速采集单元54提供转速，最终通过轴力采集单元52及扭矩采集单元53监测数据变化。
自适应随钻数据采集模块5中钻进动力部分可实现矿用B19、B22以及直径22mm以上的任何常规钻杆及相关钻头的钻进，应用广泛。
进一步优化方案，试样台15包括试样台平面14，试样台平面14与支撑杆固定连接，试样台平面14中部开设有钻进孔口12，万向滚轮22与试样台平面14滚动接触，岩石样品夹持装置支撑柱23底端与试样台平面14顶端抵接，试样台平面14顶端两侧分别设置有放置岩石样品入口11，试样台平面14一侧壁固定连接有试样台护栏13。
将岩石夹持器2通过万向滚轮22从试样台15中部移动至两侧放置岩石样品入口11上方，岩石样品21从放置岩石样品入口11放入岩石夹持器2，再通过万向滚轮22移动至钻进孔口12上方，为下一步实验做准备，试样台护栏13为岩石夹持器2在试样台平面14的安全移动提供保障。
进一步优化方案，支撑杆底部侧壁固定连接有导轨7，钻进导轨槽55与导轨7滑动配合。
复合岩层结构随钻探测装置的实验方法，包括以下步骤：
S1、制备不同强度的岩石样品21；岩石样品21可以采用实验室不同灰沙配比浇筑，也可以基于煤矿现场典型复合顶板钻取岩石样品21；
S2、测试S1中的岩石样品21的基础参数；
S3、将S2中的岩石样品21放置在岩石夹持器2并固定；
将岩石样品21从试样台15两侧的放置岩石样品入口11放入试样槽，通过岩石夹持器2实现对岩石样品21X与Y方向的围压施加，将岩石夹持器2移动至试样台15中部，操作控制装置启动岩石样品夹持装置支撑柱23，使岩石夹持器2在万向滚轮22作用下离开试样台15即可。
S4、控制自适应随钻数据采集模块5对岩石样品21进行钻进，并监测钻进过程中扭矩、轴力等参数变化；
将钻杆及钻头安设在钻杆槽51上，采用电液伺服控制系统启动转速采集单元54与推进位移并控制实时参数，使钻头开始钻进作业，通过扭矩、轴力、位移及转速传感器实现钻进过程当中参数采集；钻机前进时，由钻进液压油缸4在Z方向上移动实现自适应随钻数据采集模块5整体移动，给定钻头初始推进力；钻进部分由转速采集单元54给定钻进主轴定额转速，通过转速传感器、扭矩采集单元53监测钻进过程参数实时变化；
S5、钻进完成，将自适应随钻数据采集模块5退出岩石样品21；
钻进完成时，停止自适应随钻数据采集模块5位移，通过控制位移，实现自适应随钻数据采集模块5后退，带动钻杆钻头退出岩石样品21。
S6、重复S2-S5，对不同强度及复合的岩石样品21进行实验；
配置不同强度及复合的岩石样品21，采用实验装置重复S2-S5，记录不同强度及复合岩石样品21钻进过程中扭矩、轴力、位移及转速的工作参数，研究不同强度及不同复合岩体钻进过程中主要钻进参数的响应特征，建立两者之间映射关系，便于实现岩体结构的随钻探测。
S7、重复S2-S5，设置不同的围压大小，对不同强度的岩石样品21进行实验；
改变不同梯度的围压大小，采用不同强度的岩石样品21，重复S2-S5，模拟研究围压影响下不同强度岩石样品21钻进响应特征，研究围岩应力环境与岩石强度识别的影响关系，为不同深度围岩性质识别做参考。
S8、重复S2-S5，对同一强度、不同损伤程度的岩石样品21进行实验；
采用同一强度、不同损伤程度的岩石样品21或在的岩石样品21中预制不同结构、数量裂隙，采用实验装置重复S2-S5，记录不同钻进参数在不同损伤程度岩石样品21中的响应规律，模拟研究岩体损伤程度/裂隙的随钻探测与识别。
S9、根据实验数据建立数据库并分析，采用机器学习以数据库为目标进行训练学习，实现顶板结构智能化识别。
针对获取的海量钻进实验数据，建立相应数据库，根据数据统计学进行结构化处理分析，采用机器学习等人工智能手段以数据库为目标，开展人工智能的训练与学习，最终实现顶板结构的智能化识别。
在本发明中采用一种基于深度学习模型的端到端回归的回归类算法。该算法利用连续值数据和地质图像等多种数据源进行训练，实现对顶板结构的高精度预测。
具体实现方法如下：
数据准备：收集随钻过程中的连续值数据，并配合地质图像等数据源，生成训练数据集和测试数据集。
模型设计：采用卷积神经网络(CNN)和长短时记忆网络(LSTM)结合的方式，构建端到端回归模型。输入层接受连续值数据和地质图像等多种数据源，经过一系列卷积、池化和LSTM等处理后，最终输出预测结果。
模型训练：使用训练数据集对模型进行训练，并通过测试数据集验证模型的效果。在训练过程中，可以采用数据增强、正则化等技术提升模型的鲁棒性和泛化能力。
模型优化：进一步优化模型的性能，包括模型结构调整、超参数优化、集成学习等方法，以提高模型的预测精度和稳定性。
模型应用：将训练好的模型部署到实际随钻探测中，对顶板结构进行预测。根据预测结果进行调整和优化，并不断迭代优化算法和模型。
卷积神经网络和长短时记忆网络结合的具体结构为：
输入层：接受连续值数据和地质图像等多种数据源。
卷积层1：使用3x3大小的卷积核，提取底层特征，输出64个通道的特征图。
最大池化层1：对卷积层1的输出进行最大池化操作，降低特征图的大小。
卷积层2：使用3x3大小的卷积核，进一步提取中间层特征，输出128个通道的特征图。
最大池化层2：对卷积层2的输出进行最大池化操作。
LSTM层1：使用128个单元的LSTM层，处理池化层2的输出，并保留中间层特征的时间序列信息。
Dropout层：为了防止过拟合，对LSTM层1的输出进行随机失活操作。
LSTM层2：继续使用128个单元的LSTM层，处理Dropout层的输出，并进一步融合时间序列信息。
全连接层1：将LSTM层2的输出展平后，通过全连接层1进行维度变换和特征映射，输出256维的特征向量。
全连接层2：再次使用全连接层，将特征向量映射到最终的预测结果空间，输出连续值实现顶板结构的随钻探测结果。
进一步优化方案，S1中依据相似准则或基于原位岩石制备不同强度的岩石样品21。
相似准则是通过浇筑混凝土类岩石材料，模拟不同类型岩石的单轴抗压强强度，达到浇筑试样与真实岩石在单轴抗压强度上的相似性，通常需要按照不同的水、水泥与河沙比例浇筑好100*100*100mm的试样开展单轴抗压试验，测定抗压强度，与真实岩石单轴抗压强度误差值在10％以内认为达到相似要求。
进一步优化方案，S2中基础参数包括单轴抗压强度、弹性模量、内摩擦角、泊松比。
采用实验室基础力学测试，测定不同强度岩石样品21的单轴抗压强度、弹性模量、内摩擦角及泊松比等基础参数。
进一步优化方案，利用自适应随钻数据采集模块5中轴力采集单元52、转速采集单元54以及扭矩采集单元53与岩石强度呈现正相关，岩石强度与钻进参数初步映射关系式(1)所示，将映射关系融入进机器学习算法当中，进而实现岩石类型的智能识别，式1中E代表岩石强度，i代表数据数量，k为经验系数，N为转速，M为扭矩，F为钻进力，a为钻进力的经验系数，b为常数。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.复合岩层结构随钻探测装置，其特征在于，包括数据分析终端（10），数据采集装置（9），设备底座（8），所述设备底座（8）顶端中部固定连接有竖直设置的支撑杆，所述支撑杆底部一侧固定连接有钻进液压油缸（4），所述钻进液压油缸（4）活塞端固定连接有自适应随钻数据采集模块（5），所述自适应随钻数据采集模块（5）与所述支撑杆滑动连接，所述自适应随钻数据采集模块（5）上方对应设置有试样台（15），所述试样台（15）与所述支撑杆固定连接，所述支撑杆顶端固定连接有顶部限位系统（3），所述试样台（15）与所述顶部限位系统（3）之间设置有岩石夹持器（2），所述自适应随钻数据采集模块（5）与所述数据采集装置（9）电性连接，所述数据采集装置（9）与所述数据分析终端（10）电性连接；
所述岩石夹持器（2）包括底板，所述底板中部开设有方形通孔，所述底板底端四角分别设置有万向滚轮（22），所述万向滚轮（22）与所述试样台（15）顶端滚动接触，所述底板顶端四角分别固定连接有支撑液压油缸（26），所述支撑液压油缸（26）活塞端穿过所述底板并固定连接有岩石样品夹持装置支撑柱（23），所述岩石样品夹持装置支撑柱（23）底端与所述试样台（15）顶端抵接，四个所述岩石样品夹持装置支撑柱（23）位于四个所述万向滚轮（22）之间，所述底板顶端固定连接有两个相互平行且竖直设置的固定限位钢板（25），两个所述固定限位钢板（25）位于四个所述支撑液压油缸（26）之间，两个所述固定限位钢板（25）之间固定连接有两个相互平行且竖直设置的液压油缸钢板（24），所述液压油缸钢板（24）、固定限位钢板（25）顶端共同固定连接顶板底端，所述顶板顶端与所述顶部限位系统（3）底端抵接；
所述自适应随钻数据采集模块（5）包括固定板，所述固定板底端与所述钻进液压油缸（4）活塞端固定连接，所述固定板一侧固定连接有钻进导轨槽（55），所述钻进导轨槽（55）与所述支撑杆滑动连接，所述固定板另一侧底部固定连接有转速采集单元（54），所述转速采集单元（54）输出端固定连接扭矩采集单元（53）一端，所述扭矩采集单元（53）另一端固定连接有钻杆槽（51），所述钻杆槽（51）与所述扭矩采集单元（53）之间设置有轴力采集单元（52），所述轴力采集单元（52）、扭矩采集单元（53）、转速采集单元（54）与所述数据采集装置（9）电性连接。
2.根据权利要求1所述的复合岩层结构随钻探测装置，其特征在于，所述试样台（15）包括试样台平面（14），所述试样台平面（14）与所述支撑杆固定连接，所述试样台平面（14）中部开设有钻进孔口（12），所述万向滚轮（22）与所述试样台平面（14）滚动接触，所述岩石样品夹持装置支撑柱（23）底端与所述试样台平面（14）顶端抵接，所述试样台平面（14）顶端两侧分别设置有放置岩石样品入口（11），所述试样台平面（14）侧壁固定连接有试样台护栏（13）。
3.根据权利要求1所述的复合岩层结构随钻探测装置，其特征在于，所述支撑杆底部侧壁固定连接有导轨（7），所述钻进导轨槽（55）与所述导轨（7）滑动配合。
4.根据权利要求1所述的复合岩层结构随钻探测装置，其特征在于，所述岩石夹持器（2）可夹持岩石尺寸的范围为：长50-200mm，宽50-200mm，高100-600mm。
5.一种权利要求1-4任一项所述的复合岩层结构随钻探测装置的智能识别方法，其特征在于，包括以下步骤：
S1、制备不同强度的岩石样品（21）；
S2、测试所述S1中的所述岩石样品（21）的基础参数；
S3、将所述S2中的所述岩石样品（21）放置在所述岩石夹持器（2）并固定；
S4、控制所述自适应随钻数据采集模块（5）对所述岩石样品（21）进行钻进，并监测钻进过程中参数变化；
S5、钻进完成，将所述自适应随钻数据采集模块（5）退出所述岩石样品（21）；
S6、重复所述S2-S5，对不同强度及复合的所述岩石样品（21）进行实验；
S7、重复所述S2-S5，设置不同的围压大小，对不同强度的所述岩石样品（21）进行实验；
S8、重复所述S2-S5，对同一强度、不同损伤程度的所述岩石样品（21）进行实验；
S9、根据实验数据建立数据库并分析，采用机器学习以数据库为目标进行训练学习，实现顶板结构智能化识别。
6.根据权利要求5所述的复合岩层结构随钻探测装置的智能识别方法，其特征在于，所述S1中依据相似准则或基于原位岩石制备不同强度的所述岩石样品（21）。
7.根据权利要求5所述的复合岩层结构随钻探测装置的智能识别方法，其特征在于，所述S2中基础参数包括单轴抗压强度、弹性模量、内摩擦角和泊松比。
8.根据权利要求5所述的复合岩层结构随钻探测装置的智能识别方法，其特征在于，利用所述自适应随钻数据采集模块（5）中所述轴力采集单元（52）、转速采集单元（54）以及扭矩采集单元（53）与岩石强度呈现正相关，岩石强度与钻进参数初步映射关系式（1）所示，将映射关系融入进机器学习算法当中，进而实现岩石类型的智能识别，式(1)中E代表岩石强度，i代表数据数量，k为经验系数，N为转速，M为扭矩，F为钻进力，a为钻进力的经验系数，b为常数，
（1）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310852726.7A CN116893258B (zh) | 2023-07-12 | 2023-07-12 | 复合岩层结构随钻探测装置及智能识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310852726.7A CN116893258B (zh) | 2023-07-12 | 2023-07-12 | 复合岩层结构随钻探测装置及智能识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116893258A CN116893258A (zh) | 2023-10-17 |
| CN116893258B true CN116893258B (zh) | 2024-03-19 |
Family
ID=88310344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310852726.7A Active CN116893258B (zh) | 2023-07-12 | 2023-07-12 | 复合岩层结构随钻探测装置及智能识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116893258B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305021A (zh) * | 2011-08-04 | 2012-01-04 | 西南石油大学 | 一种模拟空气钻井井下钻具动态力学特征的实验方法 |
| CN105938070A (zh) * | 2016-07-06 | 2016-09-14 | 山东大学 | 一种多功能真三轴岩石钻探测试系统及表征岩体特性的试验方法 |
| CN113418795A (zh) * | 2021-07-13 | 2021-09-21 | 中国矿业大学 | 一种预测煤岩体单轴抗压强度的钻测试验系统及方法 |
| CN115077607A (zh) * | 2022-06-10 | 2022-09-20 | 中国矿业大学(北京) | 一种煤矿巷道围岩随钻岩性智能识别系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11448576B2 (en) * | 2016-07-06 | 2022-09-20 | Shandong University | Multifunctional true triaxial rock drilling test system and method |
-
2023
- 2023-07-12 CN CN202310852726.7A patent/CN116893258B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305021A (zh) * | 2011-08-04 | 2012-01-04 | 西南石油大学 | 一种模拟空气钻井井下钻具动态力学特征的实验方法 |
| CN105938070A (zh) * | 2016-07-06 | 2016-09-14 | 山东大学 | 一种多功能真三轴岩石钻探测试系统及表征岩体特性的试验方法 |
| CN113418795A (zh) * | 2021-07-13 | 2021-09-21 | 中国矿业大学 | 一种预测煤岩体单轴抗压强度的钻测试验系统及方法 |
| CN115077607A (zh) * | 2022-06-10 | 2022-09-20 | 中国矿业大学(北京) | 一种煤矿巷道围岩随钻岩性智能识别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116893258A (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | In-situ test and bolt-grouting design evaluation method of underground engineering based on digital drilling | |
| CN110346216B (zh) | 一种模拟掘进扰动情况下煤岩体三轴加载试验装置及方法 | |
| Harrison et al. | The mechanics of fracture induction and extension | |
| HAIMSON | The hydraulic fracturing method of stress measurement: theory and practice | |
| CN105938070A (zh) | 一种多功能真三轴岩石钻探测试系统及表征岩体特性的试验方法 | |
| CN110162882B (zh) | 一种煤矿巷道穿越断层区围岩精准控制方法 | |
| CN110130883A (zh) | 岩层参数的确定方法及装置 | |
| Lin et al. | Numerical simulation on borehole breakout and borehole size effect using discrete element method | |
| CN109033504B (zh) | 一种油水井套管损坏预测方法 | |
| Guo et al. | Simulating research on pressure distribution of floor pore water based on fluid-solid coupling | |
| WO2023197821A1 (zh) | 一种基于渗透-损伤关系的覆岩损伤分区及高度确定方法 | |
| Lin et al. | A combined approach for estimating horizontal principal stress magnitudes from borehole breakout data via artificial neural network and rock failure criterion | |
| CN103063335A (zh) | 基于载荷监测数据的深部地应力三维地质勘察测试方法 | |
| CN103616111A (zh) | 小孔厚壁套芯应力解除法 | |
| CN106401576A (zh) | 一种复杂页岩地层地应力的测试方法 | |
| CN109555515A (zh) | 地层坍塌压力确定方法和装置 | |
| CN116893258B (zh) | 复合岩层结构随钻探测装置及智能识别方法 | |
| CN102996114A (zh) | 一种测井资料的斜井校正方法 | |
| CN109441537B (zh) | 一种煤矿地下水库煤柱坝体设计方法 | |
| CN106869904B (zh) | 一种利用钻机运行参数原位实时确定岩体损伤状态的方法 | |
| Guo et al. | Numerical simulation and experimental studies of karst caves collapse mechanism in fractured-vuggy reservoirs | |
| Silberschmidt et al. | Analysis of cracking in rock salt | |
| Li et al. | The fractal mathematical models for spontaneous and forced imbibition with different cross-section shapes in shale oil reservoir | |
| Wang et al. | Development and application of a multifunction true triaxial rock drilling test system | |
| Lv et al. | Quantitative detection of in-service strength of underground space strata considering soil-water interaction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |