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

摘要

本发明公开了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，属于煤矿巷道掘进、工作面回采等领域中实时确定围岩岩体损伤状态的方法。确定岩体损伤状态的方法：第一步，获取钻机运行参数，包括旋转压力P1、给进压力P2、旋转速率ω、钻进速率v。第二步，然后利用上述参数计算两个无量纲的指标π1与π2；第三步，利用钻孔摄像或钻孔声波测试方法测试数个钻孔，获得这些钻孔不同深度处的岩体损伤状态，确定不同位置的岩体损伤状态指标I

说明书

技术领域

本发明涉及煤矿巷道掘进、工作面回采等技术领域，特别是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。

背景技术

煤矿井下，在掘进和采动影响下，巷道和采场附近的岩体会经历损伤和破坏。在巷道和采场周围会存在一个岩体损伤或破坏区，确定该损伤或破坏区范围是巷道支护设计、冲击地压防治和瓦斯抽采方案制定等的基础，对煤矿的安全生产具有重要的意义。目前煤矿井下确定岩体损伤状态的方法主要有：(1)钻孔摄像，该方法通过钻孔孔壁的图像信息来判断岩体的状态，此方法比较直观，但现场实施程序繁琐，较难实施。同时，该方法后处理较慢，结果要靠人工研判，存在人为因素的影响；(2)钻孔声波测试，该方法分为单孔声波测试和跨孔声波测试，测试原理是根据岩体损伤程度与其声波传输速度的相关性。进行现场声波测试时，需要在测试孔段灌满水，因而，围岩较破碎或塌孔严重时，该方法无法实施。(2)矿井地震方法，该方法通过分析震源信号传输时间获得波在岩体中传播的速度场，进而反算出岩体的状态，该方法存在多解性的难题，同时受井下巷道布置空间的限制，较难大面积实施。

针对以上确定岩体损伤状态中存在的问题，本发明提出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。该方法的思路为：煤矿井下存在大量的地质钻孔，用于防治水或抽放瓦斯等，岩体的状态与钻机的运行状态关系密切，例如，当岩体较完整时，钻机的运行压力会比较大，且钻进速率较小；反之，岩体存在损伤时，钻机的运行压力会降低，且钻机速率提高。那么，反过来，利用钻机运行状态参数来反演岩体的状态是可行的，这就是本发明的出发点。

本发明所述方法，可实时提供分析结果，快速确定岩体的损伤状态，为煤矿井下决策提供依据。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供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，解决现有方法存在的费时费力，且应用范围受限的问题。

技术方案：为实现上述目的，本发明采用的技术方案为：

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，包括以下步骤：

步骤1，将压力变送器串联入液压钻机的旋转马达的输入油路，测量钻机的旋转压力P1。将压力变送器串联入液压钻机的给进油缸的输入油路，测量钻机的给进压力P2。利用霍尔转速传感器测试钻杆的旋转速率ω。利用拉线位移传感器测试钻杆的钻进速率v。

步骤2，然后利用步骤1获取的旋转压力P1、给进压力P2、旋转速率ω以及钻进速率v确定压力指标π1与转速指标π2，其公式如下：

π1＝P1/P2

π2＝(d×ω)/v。

步骤3，利用钻孔摄像或钻孔声波测试方法测试数个钻孔，获得这些钻孔不同深度处的岩体损伤状态，确定不同位置的岩体损伤状态指标I_D。

步骤4，通过步骤1-3获取训练样本，利用训练样本中的π1与π2作为输入，I_D作为输出，采用多参数输入单参数输出模型对π1、π2、I_D进行训练，建立I_D与π1与π2的关系。

步骤5，在钻机的钻进过程中通过步骤1-2实时获取压力指标π1与转速指标π2，将实时获取的压力指标π1与转速指标π2导入步骤4中训练好的多参数输入单参数输出模型中实时确定I_D，从而实时确定岩体的损伤状态。

优选的：步骤3中利用钻孔摄像确定岩体损伤状态指标I_D时，以孔壁可见裂纹数目作为岩体损伤评价参数。设岩体没有损伤时的裂纹数为n1，岩体损伤较大失去承载能力时的裂纹数为n2，则I_D＝(n2-n)/(n2-n1)。

优选的：步骤3中利用钻孔声波测试确定岩体损伤状态指标I_D时，以岩体中的波速作为岩体损伤评价参数。设岩体没有损伤时的波速为V_w1，岩体损伤较大失去承载能力时的波速为V_w2，则I_D＝(V_w-V_w2)/(V_w1-V_w2)。

优选的：步骤3中岩体损伤状态指标I_D的取值范围为0≤I_D≤1.I_D可定量刻画岩体的损伤状态。当I_D＝1，岩体无损伤。I_D越接近零，岩体的损伤越严重。

优选的：所述多参数输入单参数输出模型为神经网络模型或类似的多参数输入单参数输出的支持向量机模型等。

本发明相比现有技术，具有以下有益效果：

(1)以量纲分析理论为基础，综合考虑了各个钻机运行参数，结果更为科学可靠。

(2)本发明的实施过程只需要动态监测钻机的运行参数，不改变原有的打钻进程，打钻结束后即可获得沿整个钻孔的岩体损伤状态分布规律，不需要额外的测试，便于现场实施。

(3)本发明方案思路清晰，分析操作简便，对技术人员的要求低。

附图说明

图1是本发明中确定岩体损伤状态的流程图。

图2是本发明中实例一中的旋转压力P1和给进压力P2图。

图3是本发明中实例一中的钻进速率v图。

图4是本发明中实例一中的无量纲参数π1与π2图。

图5是本发明中实例一中的岩体损伤状态指标I_D图。

图6是本发明中实例二图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

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，包括以下步骤：

第一步，获取钻机运行参数，方法是：将压力变送器串联入液压钻机的旋转马达的输入油路，实时测量钻机的旋转压力。将压力变送器串联入液压钻机的给进油缸的输入油路，实时测量钻机的给进压力。利用霍尔转速传感器测试钻杆的旋转速率。利用拉线位移传感器测试钻杆的钻进速率。

第二步，然后利用上述参数计算两个无量纲的指标--压力指标π1与转速指标π2。

所述的两个无量纲指标的确定方法如下。钻机的运行参数主要有：旋转压力(P1，单位为MPa)、给进压力(P2，单位为MPa),钻杆旋转速率(ω，单位为1/s),钻进速率(v，单位为m/s),钻孔直径(d，单位为m)。根据量纲分析理论，上述参数可组成两个无量纲参数(π1和π2)，分别为：

π1＝P1/P2

π2＝(d×ω)/v

当岩体的强度越高(损伤越小)，则钻孔过程中破岩就需要更大的旋转压力，同时钻进的速率也会降低，因此此时π1和π2都比较高。反之，当岩体的强度较低(损伤较大)时，π1和π2都会降低。实际应用中，将π1和π2利用其最大值进行归一化处理。

第三步，利用钻孔摄像或钻孔声波测试方法测试数个钻孔，获得这些钻孔不同深度处的岩体损伤状态，并利用岩体损伤状态指标进行定量评价。

所述的岩体损伤状态指标定义如下：设用I_D表示岩体损伤状态指标，I_D的取值范围为0≤I_D≤1.I_D可定量刻画岩体的损伤状态。当I_D＝1，岩体无损伤。I_D越接近零，岩体的损伤越严重。

所述的利用钻孔摄像或钻孔声波测试确定岩体损伤状态指标I_D的方法是：利用钻孔摄像确定时，以孔壁可见裂纹数目n作为岩体损伤评价参数，设岩体没有损伤时的裂纹数为n1，岩体损伤较大失去承载能力时的裂纹数为n2，则I_D＝(n2-n)/(n2-n1)；利用钻孔声波测试确定时，以岩体中的波速V_w作为岩体损伤评价参数，设岩体没有损伤时的波速为V_w1，岩体损伤较大失去承载能力时的波速为V_w2，则I_D＝(V_w-V_w2)/(V_w1-V_w2)。

第四步，利用神经网络方法，根据第三步中数个测试钻孔的数据，建立两个无量纲参数与岩体损伤状态指标间的关系。神经网络为多参数输入，单参数输出的数学方法，采用其他相似数学方法也可以实现本发明的目的。

I_D与无量纲参数π1和π2有关，可用函数表示为：

I_D＝f(π1，π2)

式中，f为函数，由于岩体损伤破坏过程的复杂性，目前尚无理论能确定f的函数形式，需要通过现场试验确定。本发明中利用神经网络，结合现场试验来确定I_D和π1与π2的关系。

所述的利用神经网络建立I_D和π1与π2关系的具体方法如下：在数个测试钻孔中，(1)利用监测的钻机运行参数，计算钻孔每个深度对应的无量纲参数π1和π2。(2)利用钻孔摄像或钻孔声波测试方法测试该钻孔，根据钻孔孔壁的图像信息或钻孔不同深度的波速数据，确定岩体损伤状态指标I_D；(3)以无量纲参数π1和π2为输入，以岩体损伤状态指标I_D为输出，训练神经网络，实际工程中，样本越多，神经网络预测结果越准确。

第五步，基于上述神经网络，在钻机的钻进过程中实时确定沿孔的岩体损伤状态。

所述的在钻机的钻进过程中实时确定沿孔的岩体损伤状态的方法是：根据钻机运行参数，计算无量纲参数π1和π2，并将其值输入训练好的神经网络，即可输出岩体损伤状态指标I_D，从而可评价岩体的损伤状态。

本发明的工作原理是：钻机的运行参数与岩体状态密切相关，当岩体没有损伤时，岩体较难钻进，钻进速率会比较低，同时破岩需要的旋转压力也较大，而岩体损伤较大时，钻进速率会提高，同时需要的旋转压力会有所降低。但是，只根据钻机的某一个参数无法确定岩体的状态，例如，当岩体的损伤状态一定时，可以通过人为提高旋转压力和给进压力，来提高钻进速率。为此，根据量纲分析理论，基于钻机的运行参数，提出了两个无量纲参数(π1和π2)。岩体的损伤状态评价指标I_D与无量纲参数π1和π2有关，其间的关系基于现场试验通过神经网络方法建立。当神经网络训练好以后，现场钻进时，可以利用无量纲参数π1和π2实时计算I_D，从而实现原位实时确定岩体损伤状态的目标。因此本发明的整个实施过程可由程序控制完成，不需要人工干预，更易实施。同时，本发明是在钻孔的过程中，实时确定岩体的损伤状态，获取结果更便捷。

实例1

该岩体损伤状态确定方法：如图1所示，有两个步骤。第一步训练神经网络，具体为：在数个测试孔内进行，首先获取钻机运行参数(旋转压力P1，给进压力P2，钻杆旋转速率ω,钻进速率v)，然后计算归一化的无量纲参数π1与π2。同时利用钻孔摄像或钻孔声波测试方法测试这些钻孔，获得这些钻孔不同深度处的岩体损伤状态，确定不同位置的岩体损伤状态指标I_D。最后，利用π1与π2作为输入，I_D作为输出，训练神经网络。

第二步实时确定岩体损伤，具体为：钻孔过程中，实时监测钻机运行参数(旋转压力P1，给进压力P2，钻杆旋转速率ω,钻进速率v)，并计算归一化的无量纲参数π1与π2，然后利用训练好的神经网络确定岩体损伤状态指标I_D，从而实现原位实时确定岩体损伤状态。

本实例在无损伤的岩体中进行，钻孔深度为1.6m.将压力变送器串联入液压钻机的旋转马达的输入油路，实时测量钻机的旋转压力P1(图2)。将压力变送器串联入液压钻机的给进油缸的输入油路，实时测量钻机的给进压力P2(图3)。利用霍尔转速传感器测试钻杆的旋转速率ω。利用拉线位移传感器测试钻杆的钻进速率v(图4)。钻孔直径d为50mm。根据以上参数可以计算归一化的无量纲参数π1与π2(图4)，然后利用训练好的神经网络确定岩体损伤状态指标I_D(图5)。从图2～图5可以看出，仅仅利用钻机的某个参数无法准确确定岩体的损伤状态，而利用指标I_D可准确反映钻孔范围内岩体无损伤的状态。

实例2

本实例与实例1的不同之处在于：本实例在巷道围岩中进行，越靠近围岩表面，岩体的损伤程度越高。相同于实施例一的步骤，确定了巷道围岩5m范围内的岩体损伤状态指标I_D，通过该指标，可以明显看出巷道围岩3m以内的岩体损伤较大，而3m以外岩体的损伤较小。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。