【技术实现步骤摘要】
本专利技术涉及围岩综合劣化度实时评价方法领域，具体涉及一种基于随钻测试的围岩综合劣化度实时评价方法。
技术介绍
1、如何实时、快速、准确地获取围岩力学参数并对其劣化程度进行定量表征，是隧道、水利、煤矿巷道等涉水岩体工程稳定性原位评价需要解决的重要核心问题之一。传统定量评价围岩劣化度的方法需要对原始状态岩体以及受损后岩体进行岩样取芯，加工成标准试件并送至实验室开展相关力学测试分析，该方法结果虽然较为精确但也存在实验周期长且滞后现场的缺点。
2、目前，国内外随钻测试技术发展较为迅速，地质钻探工程使用的随钻设备通过搭载高性能传感器可实现对随钻信号的实时采集，进而对地层岩性、构造、力学参数等进行有效反演，其反演精度则依赖实验室对现场采集的随钻信号的后续去噪处理等，并且力学参数不能实时反演呈现。受隧道、煤矿井下巷道等工作环境的特殊性(防尘、防火、防爆)以及巷道空间尺寸的有限性，传统的地质随钻探测设备难以进入巷道内部开展钻探工作，随钻测试设备如何实现小型化、智能化(对随钻信号的实时去噪、力学参数实时反演呈现)且满足巷道有限尺寸条件下的施工要求，一直是制约随钻技术应用于巷道围岩力学参数预测以及劣化度原位评价的关键难点。因此，有必要研发一种适用于隧道、煤矿井下巷道复杂工况场景的小型随钻设备进行岩石力学参数、劣化度原位测试。
3、现有的围岩质量评价方法，如“rqd分级法、rmr分级法、bq分级法”等，较多侧重于对围岩破碎程度定量评价，现有文献中较少有针对围岩劣化程度进行定量分级的方法，并且怎样将随钻测试技术应用于巷道围岩劣
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于随钻测试的围岩综合劣化度实时评价方法，其能够实时、快速、准确地获取围岩力学参数并对其劣化程度进行定量表征。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、本专利技术提供一种基于随钻测试的围岩综合劣化度实时评价方法，包括以下步骤：
4、步骤s1：通过室内随钻实验或现场随钻测试，获取钻进过程中的实时随钻参数，包括钻进时间t、钻机扭矩m、钻头转速n、推进力f和钻进速度v、单位体积岩石切削能量eη；
5、步骤s2：将实时获取的随钻参数输入ls-svm非线性回归模型，得到围岩单轴抗压强度ucs、粘聚力c、内摩擦角物理力学参数；将上述采集的各随钻参数进行归一化处理，将归一化处理后的随钻参数定义为随钻评价指标；随钻评价指标包括随钻时间η、钻机推进力衰减系数df、钻进扭矩衰减系数dm、钻进转速衰减系数dn、钻进速度衰减系数dv、单位体积岩石切削能量衰减系数deη；
6、随钻参数采用下式进行归一化处理
7、
8、式中：x表示随钻指标归一化处理结果，x表示岩石随钻过程中采集到的某项随钻数据，xmax表示该项随钻数据的最大值，xmin表示该项随钻数据的最小值；
9、步骤s3：将换算后的随钻评价指标输入至围岩综合劣化度评价体系，确定不同类型随钻评价指标权重并赋值，建立随钻评价指标组合隶属矩阵并对特征值进行求解，计算得到不同类型随钻评价指标组合矩阵的特征值k，将其定义为围岩综合劣化度随钻评价综合指标rd，根据式(2)获得围岩劣化程度综合评价等级；
10、
11、优选地，步骤2中ls-svm预测评估模型的建立过程包括以下步骤：
12、步骤1.1：实时获取围岩钻进过程中的关键随钻参数，包括钻进速度v、钻头转速n、钻机扭矩m、推进力f、单位体积岩石切削能量eη和钻进耗时t；
13、步骤1.2：采用小波去噪方法对随钻参数进行实时去噪，包括对扭矩m、推进力f进行小波去噪，其中扭矩所用的小波去噪函数为db3小波函数，推进力f用到的小波去噪函数为coif3小波函数；
14、步骤1.3：通过实验获取岩石单轴抗压强度ucs、内摩擦角c、粘聚力
15、步骤1.4：运用机器学习算法中的ls-svm非线性回归模型，建立关键随钻参数与步骤1.3中获得的岩石力学参数之间的函数回归关系；该预测模型用到的关键核函数为：
16、
17、式中：式中n为目标，m为样本数量，ai是拉格朗日乘数，γi为正则化参数，ξ为误差。
18、优选地，步骤2中，为解决随钻样本数据库数据量少的问题，基于ga-kmean人工智能算法对随钻数据进行衍生并进行聚类分析；然后得到岩石劣化程度随钻评价指标分级标准。
19、优选地，每项随钻评价指标共分为5级，依次对应岩石劣化程度：ⅰ级、ⅱ级、ⅲ级、ⅳ级、ⅴ级，分别对应严重、较严重、中等程度、轻微、正常；
20、ⅰ级判定标准为：随钻时间η<0.40，钻机推进力衰减系数df>0.55、钻进扭矩衰减系数dm>0.50、钻进转速衰减系数dn>0.55、钻进速度衰减系数dv<0.40、单位体积岩石切削能量衰减系数0<du<0.25；
21、ⅱ级判定标准为：随钻时间0.40<η<0.65，钻机推进力衰减系数0.30<df<0.55、
22、钻进扭矩衰减系数0.25<dm<0.50、钻进转速衰减系数0.35<dn<0.55、钻进速度衰减系数0.40<dv<0.65、单位体积岩石切削能量衰减系数0.25<du<0.50；
23、ⅲ级判定标准为：随钻时间0.65<η<0.80，钻机推进力衰减系数0.15<df<0.30、钻进扭矩衰减系数0.10<dm<0.25、钻进转速衰减系数0.25<dn<0.35、钻进速度衰减系数0.65<dv<0.80、单位体积岩石切削能量衰减系数0.50<du<0.75；
24、ⅳ级判定标准为：随钻时间0.80<η<0.95，钻机推进力衰减系数0.05<df<0.15、钻进扭矩衰减系数0.05<dm<0.10、钻进转速衰减系数0.05<dn<0.25、钻进速度衰减系数0.80<dv<0.95、单位体积岩石切削能量衰减系数0.75<du<0.95；
25、ⅴ级判定标准为：随钻时间η>0.95，钻机推进力衰减系数df<0.05、钻进扭矩衰减系数dm<0.05、钻进转速衰减系数dn<0.05、钻进速度衰减系数dv>0.95、单位体积岩石切削能量衰减系数du>0.95。
26、优选地，步骤s2中，采用神经网络结合聚类分析的混合人工智能模型解决以上六项随钻指标数据库样本数量少、分级标准不明确的问题；具体步骤包括：
27、步骤2.1：将通过本文档来自技高网...
【技术保护点】
1.一种基于随钻测试的围岩综合劣化度实时评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，步骤2中LS-SVM预测评估模型的建立过程包括以下步骤：
3.如权利要求2所述的方法，其特征在于，步骤2中，为解决随钻样本数据库数据量少的问题，基于GA-Kmean人工智能算法对随钻数据进行衍生并进行聚类分析；然后得到岩石劣化程度随钻评价指标分级标准。
4.如权利要求3所述的方法，其特征在于，每项随钻评价指标共分为5级，依次对应岩石劣化程度：Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级，分别对应严重、较严重、中等程度、轻微、正常；
5.如权利要求4所述的方法，其特征在于，步骤S2中，采用神经网络结合聚类分析的混合人工智能模型解决以上六项随钻指标数据库样本数量少、分级标准不明确的问题；具体步骤包括：
6.如权利要求5所述的方法，其特征在于，
【技术特征摘要】
1.一种基于随钻测试的围岩综合劣化度实时评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，步骤2中ls-svm预测评估模型的建立过程包括以下步骤：
3.如权利要求2所述的方法，其特征在于，步骤2中，为解决随钻样本数据库数据量少的问题，基于ga-kmean人工智能算法对随钻数据进行衍生并进行聚类分析；然后得到岩石劣化程度随钻评价指标分级标准。
<...【专利技术属性】
技术研发人员：范钢伟，骆韬，张东升，敦思勤，许广正，岳鑫，孔子涵，
申请(专利权)人：中国矿业大学，
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。