基于随钻振动信号对钻进介质的识别研究

作者：李彦忠; 胡坤; 汪浅予

来源：煤矿机电, 2022, 43(02): 1-16.

DOI：10.16545/j.cnki.cmet.2022.02.001

• 振动信号
• 降维方法
• 特征识别
• LDA+PCA
• CNN

钻孔机器人钻进过程中，随钻信息的精确采集和处理对提高作业效率、降低安全隐患、优化钻孔技术具有显著的社会经济价值。基于砂岩、沉积岩、花岗岩、石英岩在不同钻压条件下的振动信号，通过时频处理提取关于振动信号的50个特征值，应用LDA+PCA的降维方法获取特征向量，建立钻头信号的“指纹”信息，通过CNN(Convolutional Neural Networks,卷积神经网络)对“指纹”进行识别预测，提出一种多源振动信号特征提取识别方法。实践结果表明，能够对钻头信号特征进行高精度识别，综合识别率为83.3%。为钻进介质种类识别提供可靠信息源，这对提高地下矿山掘进和开采效率及安全钻进工作具有指导意义。

• 单位
  安徽理工大学