（1）通过实验室微钻试验，深入分析煤岩力学性能、钻压、转速和钻进深度对扭矩、钻进速度影响规律，发现随着钻进压力增大，钻进速度呈逐渐升高趋势，在较高的转速条件下钻进压力对钻进速度影响更加明显，转速增加有利于提高钻进速度，但转速对硬度较低的煤层钻进速度影响更为显著；
（2）面向煤矿井下钻探领域，提出基于少量钻机参数的钻进速度智能预测方法。根据煤矿井下防冲钻孔现场数据，采用K-近邻（KNN）、支持向量回归（SVR）和随机森林回归（RFR）三种机器学习算法建立钻进速度预测模型，并结合粒子群算法（PSO）对三种模型超参数进行优化，得到了PSO-KNN、PSO-SVR和PSO-RFR三种煤矿井下钻进速度智能预测模型；
（3）对比分析PSO-KNN、PSO-SVR和PSO-RFR三种钻进速度预测模型预测结果，其中，PSO-RFR模型准确性最好（96.3%），决定系数R2高达0.963，均方误差MSE仅有29.742，而PSO-SVR模型鲁棒性最好，在对抗攻击后评价指标变化率最小。研究结果表明基于有限钻机参数作为输入特征，实现煤矿井下钻进速度智能精准预测具有可行性。
煤矿井下钻进速度影响因素及其智能预测方法研究
戴剑博1，王忠宾1，张琰1，司垒1，魏东1，周文博2，顾进恒1，邹筱瑜1，宋雨雨2
1. 中国矿业大学 机械工程学院
2. 四川航天系统工程研究所
在煤矿井下钻探领域，钻进速度（DR）是评估钻探作业最有效指标之一，钻速预测是实现煤矿钻进智能化的前提条件，对于优化钻机钻进参数、降低作业成本、实现安全高效钻探具有重要意义。为此，提出煤矿井下钻进速度影响因素及其智能预测方法研究，探索基于钻压、转速、扭矩以及钻进深度等少量钻机参数采用机器学习算法实现钻进速度精准预测。首先通过实验室微钻试验，深入分析煤岩力学性能、钻压、转速和钻进深度对扭矩、钻进速度影响规律。研究结果显示，在煤矿井下钻进过程中，随着钻进压力增大，钻进速度呈逐渐升高趋势，在较高的转速条件下钻进压力对钻进速度影响更加明显，转速增加有利于提高钻进速度，但转速对硬度较低的煤层钻进速度影响更为显著；然后，根据煤矿井下防冲钻孔现场数据，采用K-近邻（KNN）、支持向量回归（SVR）和随机森林回归（RFR）三种不同的机器学习算法建立钻进速度预测模型，并结合粒子群算法（PSO）对三种模型超参数进行优化，最后对比分析PSO-KNN、PSO-SVR和PSO-RFR三种钻进速度预测模型预测结果。研究结果表明，PSO-RFR模型准确性最好，决定系数R2高达0.963，均方误差MSE仅有29.742，而PSO-SVR模型鲁棒性最好，在对抗攻击后评价指标变化率最小。本文研究有助于实现煤矿井下钻进速度的精准预测，为煤矿井下智能钻进参数优化提供理论支撑。
博士
硕士研究生导师
戴剑博，男，1989年9月生，江苏徐州人，博士，硕士研究生导师，任职于中国矿业大学机电工程学院，美国密歇根大学访问学者。
煤矿智能化开采技术与装备、煤矿特种机器人
主持及参与了国家自然科学基金项目、江苏省自然科学基金项目，中国博士后基金项目，科技部重点研发计划等多项课题。担任 Machines 期刊客座编辑，《机械工程学报》、Ceramics International、International Journal of Advanced Manufacturing Technology 等期刊审稿专家、中国机械工程协会会员。近些年，以第一作者或通讯作者在《机械工程学报》、International Journal of Mechanical Sciences 等高水平期刊发表论文12篇，共申请发明专利13件，授权发明专利8件。
引用格式
戴剑博，王忠宾，张琰，等. 煤矿井下钻进速度影响因素及其智能预测方法研究[J]. 煤炭科学技术，2024，52(7)：209−221.
DAI Jianbo，WANG Zhongbin，ZHANG Yan，et al. Research on influencing factors for drilling rate in coal mines and its intelligent prediction methods[J]. Coal Science and Technology，2024，52(7)：209−221.
