基于机器学习原理利用钻机随钻参数判断围岩等级.pdfVIP

第５１卷第１１期山西建筑Ｖｏｌ．５１Ｎｏ．１１

·７４·２０２５年６月Ｊｕｎ．２０２５

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２５．１１．０１６

ＤＯＩ：

基于机器学习原理

利用钻机随钻参数判断围岩等级★

１１２２２

徐振，王浩羽，周恒，于强，田嘉伟

（１．青岛青铁环保科技，山东青岛２６６１００；２．山东大学土建与水利学院，山东济南２５００６１）

摘要：ＲＰＤ钻机在钻进岩体的过程中，可提取出相关随钻参数，分别获取钻机推进力、扭矩、钻进速度及送水压力，共计

３００组数据。引入ＳＶＭ分类方法，依次通过建立围岩等级判识分类模型、选定训练集与测试集、样本参数预处理、

ＭＡＴＬＡＢ编程进行围岩分级训练及预测，预测准确率高达９８．３％，进而形成围岩分类方法。通过高清摄像系统对钻孔进

行摄像，进一步对围岩的节理裂隙发育情况进行分析，并建立评分准则。依托青岛地铁海底隧道进行现场试验验证，分

别对揭露的级、级、级围岩进行钻孔预测，每级围岩钻孔数为５个，预测准确率为８６．７％，误差在允许的范围内，结

ⅢⅣⅤ

果具有一定的参考价值。

关键词：ＲＰＤ钻机；ＳＶＭ分类方法；钻机参数；ＭＡＴＬＡＢ编程；围岩分级

中图分类号：ＴＵ４５９文献标识码：Ａ１００９－６８２５（２０２５）１１－００７４－０５

文章编号：

近年来，我国城市建设进入了一个高峰期，而地下道安全施工提供科学依据［１０－１１］。

工程的大力发展，不良地质和复杂地质问题日益凸显，

快速、准确地判断围岩情况对安全施工至关重要。目１ＲＰＤ钻机工作原理

前，研究人员在ＲＰＤ钻机性能和围岩分类方面取得了ＲＰＤ钻机（全液压旋转冲击式钻机）结合旋转与

［１］

一定进展。陈铁林等系统介绍了“矿研”多功能钻冲击功能，大幅提升钻孔效率，可解决卡钻问题，钻孔

［２］

机的功能及国内应用；骆文学等探讨了ＲＰＤ－１５０Ｃ速度为传统钻机的５倍～１０倍，超硬岩条件下每小时

钻机在数据记录自动化、钻探深度及速度方面的优势；可钻进１０ｍ以上。支持套管和单管作业，适用于软弱

［３］［４］地层护孔及抢险救援。操作简便，适应多种地层。配

李国良等研究了隧道挤压大变形规律；余莉等通过

［５］备数据采集系统，实时获取并分析钻进参数，为施工提

地应力修正优化了围岩分级；姜春露等基于Ｆｉｓｈｅｒ判

别分析建立了围岩分类模型。钻机围岩识别方面，田昊供科学指导。

［６］

等利用钻进能量理论实现凝灰岩地层界面识别；谭卓

［７－９］２ＳＶＭ分类方法原理

英等基于钻进参数实现了地层结构实时识别。

然而，现有研究多集中于钻机性能或特定地层围［１２－１４］

支持向量机（ＳＶＭ）（如图１所示），通过构建

岩识别，利用ＲＰＤ钻机进行围岩等级判断仍存在滞后最大化分类间隔的超平面实现模式分类，其核心基于

性。因此，迫切需要建立施工阶段快速、准确的围岩分统计学习理论中的结构风险最小化原理。ＳＶＭ通过

级判识方法。本文拟基于ＲＰＤ