摘要： 提高巷道掘进效率、减少冒顶事故是实现煤矿安全高效和智能化开采的重要内容 ,其关键  是对巷道围岩的合理支护设计 , 而煤矿顶板岩层强度的实时智能感知对巷道支护设计至关重要。 利用自主搭建的微型钻进实验平台和制作的砂浆试样 , 开展钻进实验以获取随钻参数 , 并测定砂  浆试样的单轴抗压强度 。采用小波网值法对随钻参数去噪后 ,分析钻速、转速和砂浆试样强度对  推力和扭矩的影响 。基于随钻参数构建预测岩石强度的多元线性回归(MLR) 模型 ,利用径向基函  数(RBF) 神经网络对 MLR模型得到的强度预测残差修正 ,建立 MLR-RBF岩石强度组合预测模型 ,对 MLR和 MLR-RBF模型进行验证 ,并利用 MLR-RBF模型对粉砂岩、细粒砂岩和粗粒砂岩 3  种岩石强度进行预测 。研究表明:钻速和转速均与钻进推力呈负相关 ,但随转速增加旋转扭矩也  增加 , 且扭矩值随钻进深度增加而缓慢线性增加; 构建的 MLR模型的预测相对误差均值为  8.58%,MLR-RBF模型的预测相对误差均值为 1.75%,证明了 MLR-RBF模型的有效性; MLR- RBF模型对岩石强度的预测误差均值为 6.67%,该模型对岩石强度的预测效果较砂浆试样差 ,主要是因为岩石与砂浆的均质性不同。

关键词: 钻进参数, 岩石强度; , 小波网值去噪, MLR-RBF模型; , 随钻探测

中图分类号: 

• TD353