-
作者
张柏林 吴华 袁勋 谢毅 杨昌
-
单位
太原理工大学安全与应急管理工程学院中铁二院工程集团有限责任公司京昆高速铁路西昆有限公司
-
摘要
为了解决瓦斯隧道打钻过程中煤岩界面识别问题，开发了基于机器学习的钻机行为感知和煤岩识别系统，采用K均值聚类算法感知钻机运行过程中的不同状态，并验证了该系统对钻孔的探测效果。经过多次数据混合迭代后，煤岩识别算法的准确性得到了有效提高。在滤波方法的比较中，中值滤波效果显示出更高的识别度。和设计见煤深度对比，现场试验的4个钻孔的见煤深度分别减小了3.5%、11.6%、17.2%和9.3%，结果验证了该系统的准确性，并为隧道地质钻探及瓦斯治理领域提供了创新解决方案，同时也为复杂地质条件下的岩性识别提供了可靠参考。
-
关键词
瓦斯隧道K均值聚类算法煤岩识别机器学习滤波算法钻机行为感知
-
文章目录
1 基本原理
1.1 K均值聚类算法原理
1.2高斯滤波原理
1.3 中值滤波原理
1.4 移动滤波原理
1.5 煤岩识别流程
2 煤岩识别系统设计
2.1系统的总体设计方案
2.2钻机数据采集系统设计方案
3 现场钻机试验
3.1 现场试验地点及钻孔设计
3.2 钻机参数采集系统安装和数据收集
4 数据处理与分析
4.1 K均值聚类算法结果分析
4.2 钻机行为感知结果分析
4.3 滤波算法结果分析
5 结论
本文创新点：
-
引用格式
张柏林,吴华,袁勋,等.瓦斯隧道钻机行为感知和煤岩识别研究——以昭通隧道为例[J/OL].太原理工大学学报,1-10[2024-10-08].http://kns.cnki.net/kcms/detail/14.1220.n.20240930.1713.002.html.
太原理工大学学报
54
