本发明专利技术公开了一种基于模糊推理的多时间尺度的孔内事故预警方法，包括：S1：扭矩和起拔压力作为判断卡钻的输入参数，钻速作为判断断钻的输入参数，钻速和机械比能作为判断钻头失效的输入参数；S2：按时间尺度进行钻进参数特征提取，扭矩、起拔压力按短时间尺度提取特征，机械比能按长时间尺度提取特征，钻速分别按短时间尺度和长时间尺度提取特征；得到模糊论域与隶属度函数并构建模糊推理预警模型；S3：随机输入样本点到已构建好的模糊推理预警模型中，判断当前孔内工况为正常钻进、卡钻、断钻或钻头失效。本发明专利技术可以针对不同孔内事故给出事故发生概率，并根据不同的预警程度给出相应的处理策略，从而提高钻探施工安全与钻进效率。从而提高钻探施工安全与钻进效率。从而提高钻探施工安全与钻进效率。
【技术实现步骤摘要】
一种基于模糊推理的多时间尺度钻进过程事故预警方法
[0001]本专利技术属于煤矿井下坑道钻探
，涉及常规回转钻进中孔内事故预测与诊断，具体涉及一种基于模糊推理的多时间尺度的孔内事故预警方法。
技术介绍
[0002]煤炭资源是能源矿产资源之一，占全世界一次性能源消费量的四分之一。我国是一个富煤贫油少气的国家，现已探明的煤炭总量占全世界总煤炭储量的13.3％。由此可见，煤炭资源不仅是全球不可或缺的能源之一，同时也是我国的基础能源和重要的工业原料，强有力地支撑着国民经济的发展。伴随着我国煤炭工业的快速发展，许多先进的技术，特别是人工智能方面的计算机技术，已经广泛地应用在煤炭行业的各领域，并取得了优异的成果。但与国内电力，石油和建筑等行业相比较，特别是与国外相比，我国煤炭行业仅实现了机械自动化，还没有达到工业自动化和信息化的要求。
[0003]安全有效的钻进是实现煤层瓦斯抽采的重要前提，为后续安全采煤提供了重要保障，并对矿产资源和经济效益的高低有着决定性作用。但由于煤矿井下钻探施工专业性强、投资高、隐蔽性强等特点，在井下钻探施工过程中面临的安全问题十分突出。因此，通过分析孔内事故发生机理，找出相关参数，建立孔内事故预测模型不仅能够提高钻进效率，而且可以保证井下施工人员作业安全。
技术实现思路
[0004]本专利技术的目的是提供一种基于模糊推理的多时间尺度的孔内事故预警方法，根据钻进过程中采集的数据，通过分析当前钻进状态，针对可能出现的异常事故发出警告，从而提高钻探施工安全与钻进效率。
[0005]为解决上述问题，本专利技术采取的技术方案包括：
[0006]一种基于模糊推理的多时间尺度的孔内事故预警方法，包括：
[0007]S1：扭矩和起拔压力作为判断卡钻的输入参数，钻速作为判断断钻的输入参数，钻速和机械比能作为判断钻头失效的输入参数；
[0008]S2：按时间尺度进行输入参数的特征提取，扭矩和起拔压力按短时间尺度提取特征，机械比能按长时间尺度提取特征，钻速分别按短时间尺度提取特征和长时间尺度提取特征；得到模糊论域与隶属度函数并构建模糊推理预警模型；
[0009]S3：随机输入样本点到已构建好的模糊推理预警模型中，判断当前孔内工况为正常钻进、卡钻、断钻或钻头失效。
[0010]可选的，所述的输入参数采取滑动平均法进行去噪处理并将其归一化；
[0011]给定原始信号为x0(t)，归一化后的数据为s(t)；
[0012][0013]采用滑动平均法去除噪声信号，其中x(t)为去噪后的信号，k+1为去噪滑动窗口宽
度；
[0014][0015]可选的，采用滑动窗口对输入参数进行分割，对长时间尺度提取特征，采用最小二乘拟合方法对数据进行拟合；
[0016]对短时间尺度提取特征，设定自适应阈值作为异常阈值进行短时突变特征提取；
[0017]θ＝[t
‑
L+1,t]；
[0018]其中t为当前采样时间，L为滑动窗口大小，θ为滑动窗口。
[0019]可选的，采用最小二乘拟合方法对数据进行拟合包括：
[0020]时间序列在t1‑
t
q
这段时间内，的线性拟合函数为；
[0021]F(t
p
)＝at
p
+e；
[0022]斜率a即为时间序列的趋势特征，斜率a和参数e满足条件；
[0023][0024]其中，J为拟合误差，用来对时间序列的拟合程度进行度量；1≤p≤q，q为大于等于2的正整数，t
p
为当前采样点；
[0025]根据经验设置上下趋势阈值au和al，当实时趋势特征a>au时，判断趋势为上升，当a<al时，判断趋势为下降；将长时间尺度段数据按照上述时间序列进行分段处理，分别得到相应拟合函数的斜率，即提取得到长时间尺度段数据的长时缓变特征。
[0026]可选的，所述的短时突变特征提取方法为：针对短时间尺度段数据，采用人工经验判断当前时刻数据与前一时刻数据的差值，若相邻采样点间的差值大于当前时刻数据的 40％，则判断数据发生了突变；与缓变特征提取类似，当差值为正时，判断趋势为上升，当差值为负数时，判断趋势为下降。
[0027]可选的，所述的机械比能计算如下所示：
[0028][0029]其中MSE为机械比能，P
F
为给进压力，Mpa；P
T
为回转压力，Mpa；ROP为钻速，mm/s； RPM为转速，rpm。
[0030]可选的，所述的得到模糊论域与隶属度函数并构建模糊推理预警模型包括：
[0031]S21：根据特征选择得到的结果，将扭矩Tor、起拔压力Lift、钻速Rop和机械比能MSE作为输入，将卡钻Stick、断钻Drop和钻头失效Disfun三种孔内事故作为输出，构建模糊推理系统；
[0032]S22：利用三角形隶属度函数对输入参数进行模糊化处理，得到四个输入模糊集合： {Tor_Low，Tor_Middle，Tor_High}，{Lift_Low，Lift_Middle，Lift_High}，{Rop_Low， Rop_Middle，Rop_High}，{MSE_Low，MSE_Middle，MSE_High}；
[0033]S23：根据设定的模糊规则模糊推理，得到输出模糊集：卡钻{Stick_Low， Stick_Middle，Stick_High}，断钻{Drop_Low，Drop_Middle,Drop_High}，钻头失效 {Disfun_Low，Disfun_Middle，Disfun_High}；
[0034]S24：利用重心法对输出结果做去模糊化处理，得到三种不同孔内事故的输出值。
[0035]可选的，所述的三角形隶属度函数，其计算公式如下所示：
[0036][0037]其中x是自变量，a和c分别是三角形的“左脚”与“右脚”的横坐标，b是三角形中心点的横坐标。
[0038]可选的，所述的得到三种不同孔内事故的输出值包括：
[0039]模糊规则库的设定，对于输出变量，卡钻、断钻和钻头失效三种事故论域均设定为 [0,1]，用小数表示事故发生概率，并将事故按(0～0.4)、(0.41～0.6)、(0.61～0.8)和(0.81～1)依次划分为正常钻进和三个事故等级，其事故严重程度依次递增。
[0040]可选的，针对所述的正常钻进、卡钻、断钻或钻头失效对应的处理策略包括：
[0041]结合预警算法得到的事故概率采用一级、二级和三级依次响应事故的严重程度，其中一级响应用红色表示，二级响应用橙色表示，三级响应用绿色表示；对于三级绿色响应，表示钻进处于稳定状态；二级橙色响应则表示存在事故隐患，可以人工手动切换到事故预警界面，查看相应参数及其变化曲线；一级红色响应则表示可能存在严重隐患，系统会自动切换到事故预警界面报警，并自动发出钻机本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，包括：S1：扭矩和起拔压力作为判断卡钻的输入参数，钻速作为判断断钻的输入参数，钻速和机械比能作为判断钻头失效的输入参数；S2：按时间尺度进行输入参数的特征提取，扭矩和起拔压力按短时间尺度提取特征，机械比能按长时间尺度提取特征，钻速分别按短时间尺度提取特征和长时间尺度提取特征；得到模糊论域与隶属度函数并构建模糊推理预警模型；S3：随机输入样本点到已构建好的模糊推理预警模型中，判断当前孔内工况为正常钻进、卡钻、断钻或钻头失效。2.根据权利要求1所述的基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，所述的输入参数采取滑动平均法进行去噪处理并将其归一化；给定原始信号为x0(t)，归一化后的数据为s(t)；采用滑动平均法去除噪声信号，其中x(t)为去噪后的信号，k+1为去噪滑动窗口宽度；3.根据权利要求1或2所述的基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，采用滑动窗口对输入参数进行分割，对长时间尺度提取特征，采用最小二乘拟合方法对数据进行拟合；对短时间尺度提取特征，设定自适应阈值作为异常阈值进行短时突变特征提取；θ＝[t
‑
L+1,t]；其中t为当前采样时间，L为滑动窗口大小，θ为滑动窗口。4.根据权利要求3所述的基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，采用最小二乘拟合方法对数据进行拟合包括：时间序列在t1‑
t
q
这段时间内，的线性拟合函数为；F(t
p
)＝at
p
+e；斜率a即为时间序列的趋势特征，斜率a和参数e满足条件；其中，J为拟合误差，用来对时间序列的拟合程度进行度量；1≤p≤q，q为大于等于2的正整数，t
p
为当前采样点；根据经验设置上下趋势阈值au和al，当实时趋势特征a>au时，判断趋势为上升，当a<al时，判断趋势为下降；将长时间尺度段数据按照上述时间序列进行分段处理，分别得到相应拟合函数的斜率，即提取得到长时间尺度段数据的长时缓变特征。5.根据权利要求3所述的基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，所述的短时突变特征提取方法为：针对短时间尺度段数据，采用人工经验判断当前时刻数据与前一时刻数据的差值，若相邻采样点间的差值大于当前时刻数据的40％，则判断数据发生了突变；与缓变特征提取类似，当差值为正时，判断趋势为上升，当差值为负数时，判
断趋势为下降。6.根据权利要求1或2所述的基于模糊推理的多时间尺度的孔内事故预警方法，其特征在于，所述的机械比能计算如下所示：其中MSE为机械比能，P
F
为给进压力，Mpa；P
【专利技术属性】
技术研发人员：李旺年，李泉新，凡东，许超，李旭涛，姜磊，朱钱祥，罗鹏平，
申请(专利权)人：中煤科工西安研究院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。