煤矿井下钻进速度影响因素及其智能预测方法研究
戴剑博1
王忠宾1
张琰1
司垒1
魏东1
周文博2
顾进恒1
邹筱瑜1
宋雨雨2
1.中国矿业大学机械工程学院,江苏徐州 2211162.四川航天系统工程研究所,四川成都 610100
摘要：在煤矿井下钻探领域,钻进速度(DR)是评估钻探作业最有效的指标之一,钻速预测是实现煤矿钻进智能化的前提条件,对于优化钻机钻进参数、降低作业成本、实现安全高效钻探具有重要意义.为此,提出煤矿井下钻进速度影响因素及其智能预测方法研究,探索基于钻压、转速、扭矩以及钻进深度等少量钻机参数采用机器学习算法实现钻进速度精准预测.首先通过实验室微钻试验,深入分析煤岩力学性能、钻压、转速和钻进深度对扭矩、钻进速度影响规律.研究结果显示,在煤矿井下钻进过程中,随着钻进压力增大,钻进速度呈逐渐升高趋势,在较高的转速条件下钻进压力对钻进速度影响更加明显,转速增加有利于提高钻进速度,但转速对硬度较低的煤层钻进速度影响更为显著;然后,根据煤矿井下防冲钻孔现场数据,采用K-近邻(KNN)、支持向量回归(SVR)和随机森林回归(RFR)3种不同的机器学习算法建立钻进速度预测模型,并结合粒子群算法(PSO)对 3种模型超参数进行优化,最后对比分析PSO-KNN,PSO-SVR和PSO-RFR三种钻进速度预测模型预测结果.研究结果表明,PSO-RFR模型准确性最好,决定系数R2 高达 0.963,均方误差MSE仅有29.742,而PSO-SVR模型鲁棒性最好,在对抗攻击后评价指标变化率最小.本文研究有助于实现煤矿井下钻进速度的精准预测,为煤矿井下智能钻进参数优化提供理论支撑.
关键词：钻机参数K-近邻随机森林回归支持向量回归粒子群算法钻进速度预测
分类号：TD823(矿山开采)
资助基金：国家重点研发计划(2020YFB1314202)国家自然科学基金(52174152)江苏省自然科学青年基金资助项目(BK20210495)
论文发表日期：2024-07-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 209-221 )
英文信息