基于有限元的鉆進參數(shù)相互影響機理研究

畢永升 譚卓英 丁 宇

（1.北京科技大學(xué)土木與資源工程學(xué)院,北京 100083;2.金屬礦山高效開采與安全教育部重點實驗室,北京 100083）

在國際巖土工程領(lǐng)域,例如采礦、油氣開采、土建、水利水電等工程,為了綜合評價地層的巖性情況,經(jīng)常需要進行鉆探勘測工作,而原本鉆探勘測工作的費時費力,使得各領(lǐng)域研究人員一直以來都在探索一種簡單又有效的方法以獲取有關(guān)地層地質(zhì)的工程信息,尋找智能化的鉆進技術(shù)理論。鉆孔過程監(jiān)測技術(shù)（Drilling Process Monitoring,DPM）,是一種隨鉆測量技術(shù),簡稱DPM系統(tǒng)。在上世紀二三十年代國外石油工業(yè)領(lǐng)域開始直到現(xiàn)在眾多鉆進工程中均有大量的運用,用于測量、監(jiān)測和記錄鉆機的鉆進參數(shù),現(xiàn)在的鉆進參數(shù)記錄技術(shù)就是從其基礎(chǔ)上改進而來的[1-4],主要測量和監(jiān)測鉆進參數(shù)如推力、轉(zhuǎn)速、扭矩、鉆進液壓力、振動、沖洗速率及鉆進速率等等。從近年來看,Wolcott等人曾建議采用隨鉆扭矩及軸壓來測量原巖強度,Hoberock和Bratcher也曾通過鉆速試驗來確定原巖抗壓強度[5]。Hareland等人運用鉆進參數(shù)、鉆頭類型以及地層信息等鉆孔數(shù)據(jù)建立穿孔速率模型,對巖石單軸抗壓強度進行計算,建立了基于三錐牙輪鉆頭的鉆速模型,用于巖石單軸抗壓強度的估算[6]。在國內(nèi)方面岳中琦[7-8]詳細介紹了原位鉆進全過程數(shù)字監(jiān)測技術(shù)和處理采集數(shù)據(jù)的方法,并將原位鉆進的全過程數(shù)字監(jiān)測技術(shù)應(yīng)用于香港一實際工程,根據(jù)全鉆進過程的鉆進參數(shù)記錄數(shù)據(jù)對地下風(fēng)化花崗巖地層進行了判層分析。譚卓英等[9]研究了鉆進能量、鉆進比功用作風(fēng)化花崗巖地層實時分級的可行性。由此發(fā)現(xiàn)鉆進過程中改變鉆進參數(shù)和形式、鉆具設(shè)備等等都會對作業(yè)效率產(chǎn)生影響[10-11],而通過有限元軟件進行模擬鉆進過程能夠更方便有效地對相關(guān)猜想進行模擬驗證,可以具體到鉆頭形式、鉆進角度、渣土形成及排出等方面的研究[12-14],最大可能地契合實際鉆進情況。在此基礎(chǔ)上對于鉆進參數(shù)的利用近幾年在神經(jīng)網(wǎng)絡(luò)預(yù)測方面應(yīng)用頗多,基于神經(jīng)網(wǎng)絡(luò)對鉆探數(shù)據(jù)進行智能分析對自身鉆進參數(shù)進行智能、快速、準確地調(diào)整,以便選擇最優(yōu)鉆進方式最大可能縮短鉆進工程周期。

以上所述都是對通過鉆進參數(shù)來確定巖石性質(zhì)、判斷鉆進工況以及相關(guān)的方法技術(shù)的驗證和分析,并未對隨鉆參數(shù)與巖體力學(xué)參數(shù)之間的具體相關(guān)性和變化規(guī)律進行細致研討和驗證可靠性?；谏鲜龅难芯勘尘?本項目旨在現(xiàn)有的鉆探設(shè)備基礎(chǔ)上,從鉆孔常用的三翼PDC鉆頭入手,對鉆頭與巖體間的相互作用和鉆速、轉(zhuǎn)速、軸壓、扭矩等易獲取鉆進參數(shù)的表現(xiàn)與鉆頭所鉆巖體種類之間的關(guān)系等進行研究,并結(jié)合機器學(xué)習(xí)的方法對兩者間的關(guān)系進行分類映射研究驗證相關(guān)性,以達到利用鉆進時所獲取的鉆進參數(shù)來對鉆頭所鉆巖層進行巖性判別的目的。

1 仿真模擬試驗分析

1.1 數(shù)值模擬的基本假設(shè)

鉆進過程實際上是一個極其復(fù)雜的過程,由于受到具體工程情況中不同的巖石力學(xué)參數(shù)跟鉆進參數(shù)影響,以及地理環(huán)境因素的影響,會產(chǎn)生各種對應(yīng)的不同結(jié)果。因此為了更加方便準確地從理想狀態(tài)下對鉆進過程進行研究分析,需要做出一些假設(shè):①每層地層都是各向同性的理想彈塑性體,介質(zhì)均勻,不考慮內(nèi)部的水跟裂隙;②鉆頭是剛度跟強度遠大于所鉆的巖體的剛體,鉆進過程不發(fā)生變形,且忽略鉆頭的磨損;③鉆進過后的失效土體單元自動消失,以及過程中產(chǎn)生的巖屑不再對后續(xù)鉆進造成影響;④鉆頭以垂直于巖石的方向鉆進,且鉆進軌跡良好,摩擦因數(shù)設(shè)為定值。

1.2 模型的建立

根據(jù)以上假設(shè)前提,將巖體定為柔性體,鉆頭定為剛性體,建立鉆進模擬系統(tǒng)。首先在SolidWorks中建立鉆頭的模型,后導(dǎo)入ABAQUS軟件并在Assembly裝配模塊中與在ABAQUS中已經(jīng)建好的巖體模型進行裝配,鉆頭和土體的模型如圖1所示。此鉆進模型模塊分為鉆頭和巖體兩部分,鉆頭模型采用8節(jié)點線性六面體（C3D8R）單元,劃分網(wǎng)格數(shù)為166 496,且被約束為剛體,土體模型采用10節(jié)點修正二次四面體（C3D10M）單元進行模擬,劃分網(wǎng)格數(shù)為22 788,模型總節(jié)點數(shù)是210 932,單元總數(shù)為189 284。需要注意的是在大部分實際鉆進情況下,鉆頭所鉆的巖層表面面積是遠大于其本身直徑截面的,同樣只有鉆頭周邊的部分巖體才會受到鉆頭鉆進過程的影響,故基于前人經(jīng)驗本文采用內(nèi)接圓直徑大于鉆頭外徑5倍的長方體巖體模型,并且在裝配的過程中要使得鉆頭的軸線與巖體模型的中軸線重合,鉆頭在巖體模型的正中心垂直方向鉆進。

圖1 巖體和鉆頭模型Fig.1 Model of rock mass and bit

1.3 模擬過程中的問題處理

巖體采用Drucker-Prager模型,以便更加全面地表達出土體非線性、彈塑性、剪脹性等應(yīng)力應(yīng)變關(guān)系特點,選擇線彈性模型作為土體巖性部分的表達,并且在Suboptions下拉菜單Drucker-Prager Creep中定義適當(dāng)?shù)娜渥兡Ｐ?與Drucker-Prager模型相耦合可同時計算蠕變和塑性變形。根據(jù)已有的實際工程數(shù)據(jù)和文獻資料查詢,所采取的鉆頭的材料性質(zhì)參數(shù)以及各類巖石力學(xué)參數(shù)如表1、表2所示。

表1 鉆頭材料參數(shù)Table 1 Parameters of bit material

表2 巖體材料參數(shù)Table 2 Parameters of rock mass material

在有限元分析中,“接觸”是一種典型的非線性接觸問題,不僅在于接觸面本身的力學(xué)模型可能是非線性的,也因為是一種特殊的而不連續(xù)約束條件,數(shù)值往往不容易收斂。本文針對相關(guān)問題做出如下設(shè)定:鉆頭與巖體表面的相互作用類型是表面與表面;分析步過程選擇動力、顯示,力學(xué)約束公式為運動接觸法;采用了有限滑移,鉆進過程中的接觸屬性為切向行為,采用摩擦公式“罰”,摩擦系數(shù)取0.15。選取鉆頭頂部中心點為后續(xù)模擬主要參考點,對鉆頭定義一定的轉(zhuǎn)速以及鉆速,只保留鉆具的軸向移動（y軸方向）和轉(zhuǎn)動自由度,巖石底部設(shè)為固定邊界條件,底部周邊以及底面施加約束進行固定,本文中進行的鉆進模擬過程中不會發(fā)生任何的位移和轉(zhuǎn)角變化,如圖2所示。

圖2 巖體底部約束Fig.2 Constraints at the bottom of rock mass

1.4 數(shù)值模擬分析

1.4.1 鉆頭侵入巖體過程分析

觀察鉆頭在開始侵入巖體過程不同時刻的應(yīng)力云圖,如圖3所示。鉆進過程開始時,破巖侵入過程首先是鉆齒在豎向的壓力作用下靠近并壓入巖體表面。同時在扭矩作用下鉆頭的轉(zhuǎn)動帶動鉆齒對土體產(chǎn)生切削,在后面的進程中,在受到上述兩種主要作用以及其他的摩擦阻力情況下,鉆頭整體不斷鉆入巖體;同時鉆土與巖體之間的相互作用面積、作用力以及深度也時刻發(fā)生變化。

圖3 不同時刻的鉆進應(yīng)力云圖Fig.3 Drilling stress nephogram at different times

由圖3所示的應(yīng)力云圖可以看出從開始到整個鉆頭完全進入巖體的過程中,巖體表面的應(yīng)力范圍是逐漸變大后趨于穩(wěn)定,這跟侵入巖體過程中的作用面積和深度有著密切關(guān)系。開始接觸面積僅僅是鉆齒的齒刃,后鉆齒切入深度和接觸面積變大,鉆頭也繼而進入巖體,作用面積變大。等鉆頭完全進入巖體后,鉆頭尺寸固定,作用接觸面積幾乎不再發(fā)生變化,應(yīng)力云圖所示應(yīng)力也就趨于穩(wěn)定。通過觀察可以發(fā)現(xiàn)會出現(xiàn)上下小范圍內(nèi)波動的現(xiàn)象,這是因為前一個土體單元破壞需要一定的時間,徹底破壞后緊接著接觸破壞下一個單元體,又是在同種均質(zhì)巖體單元內(nèi)進行鉆進,故出現(xiàn)相似循環(huán)的變化。鉆頭的軸壓力以及扭矩的變化也與之有相近的變化,在鉆頭剛接觸到巖體表面時會突然產(chǎn)生作用力,隨著鉆齒壓入巖體相互作用力逐漸變大,等鉆齒完全切入巖體鉆頭與之接觸面積趨于穩(wěn)定,壓力也會趨于穩(wěn)定,數(shù)值大小會在一定范圍內(nèi)波動。

1.4.2 不同巖石在同種鉆進條件下的鉆進參數(shù)分析

將4種巖石均在鉆速2mm/s、轉(zhuǎn)速 1 r/s的條件下模擬鉆進,以0.2 s的間隔記錄各巖石在鉆進過程中出現(xiàn)的最大的Mises等效應(yīng)力如圖4所示。從各曲線分布范圍可以看出相同的鉆進條件下,不同的巖石有著較為明顯的應(yīng)力響應(yīng)區(qū)別,其中煤巖的應(yīng)力只有13 MPa,而砂巖卻能達到100 MPa,性質(zhì)越好的巖石其最大Mises等效應(yīng)力也就越高。

圖4 不同巖石鉆進過程的等效應(yīng)力Fig.4 Equivalent stress of different rock drilling processes

1.4.3 同種巖石內(nèi)不同鉆進條件下鉆進參數(shù)分析

設(shè)置鉆頭在鉆速2 mm/s、4 mm/s、6 mm/s,轉(zhuǎn)速1 r/s和2 r/s的多種條件下對同種巖石進行的鉆進模擬,將鉆進過程中參考點的軸壓和扭矩記錄提出,以分析比較在同種巖石不同鉆進條件下鉆頭的鉆進參數(shù)表現(xiàn)。以煤巖為例,首先在轉(zhuǎn)速設(shè)置為1 r/s情況下進行模擬,逐級提高軸向鉆進速度,分析鉆頭的軸壓和扭矩出現(xiàn)的變化及其原因。結(jié)果如圖5、圖6所示。

圖5 不同鉆速條件下的鉆頭軸壓Fig.5 Bit axial pressure under different drilling speeds

圖6 不同鉆速條件下的鉆頭扭矩Fig.6 Bit torque under different drilling speeds

從圖5可以看出,隨著鉆速從2 mm/s增加到4 mm/s與6 mm/s,鉆頭軸壓在12.8 kN為中心的范圍波動提升到了以22 kN為中心的范圍波動。對于實際鉆進過程來說軸壓的提升會使鉆進速度在一定范圍內(nèi)提高,兩者在此期間呈現(xiàn)出了正相關(guān)的關(guān)系。鉆頭扭矩的變化與鉆頭軸壓的變化趨勢相近,從圖6中可以看出隨著鉆速從2 mm/s到6 mm/s的提升,扭矩也從840 N·m附近提升到了1 200 N·m的程度。原因是鉆壓的提高能增加鉆齒的切入深度,鉆齒在旋轉(zhuǎn)能與更多的巖石產(chǎn)生切削作用,從而加快鉆進過程繼而扭矩自然也隨之增加。

再將鉆頭的轉(zhuǎn)速設(shè)置為2 r/s不變,逐級提高軸向鉆進速度,模擬得到如圖7所示的軸壓變化結(jié)果。在2 r/s的轉(zhuǎn)速下,軸壓隨著鉆速的提升依舊顯示出了逐級提升的現(xiàn)象。但橫向比較同鉆速下1 r/s的結(jié)果,鉆頭軸壓在同級鉆速下沒有明顯的提升現(xiàn)象。如圖8～圖10所示在相同的鉆速條件下轉(zhuǎn)速提高并未引起軸壓大的變化,2 mm/s鉆速下的軸壓仍維持在13 kN附近,4mm/s鉆速下的軸壓維持在16.5 kN附近,6mm/s鉆速下的軸壓維持在22 kN。對于鉆進模擬來說,軸壓的作用即是將鉆頭壓向巖石單元,單純改變轉(zhuǎn)速更多是對鉆頭對橫向巖石剪切力的改變,所以這部分參數(shù)未發(fā)生明顯變化。

圖7 轉(zhuǎn)速2 r/s時鉆頭的軸壓變化

圖8 鉆速2 mm/s時鉆頭的軸壓變化Fig.8 Axial pressure change of bit at drilling speed of 2 mm/s

圖9 鉆速4mm/s時鉆頭的軸壓變化Fig.9 Axial pressure change of bit at drilling speed of 4mm/s

圖10 鉆速6mm/s時鉆頭的軸壓變化Fig.10 Axial pressure change of bit at drilling speed of 6mm/s

但是在同級鉆速下鉆頭扭矩對于轉(zhuǎn)速的提高呈現(xiàn)出了較明顯的反應(yīng),如圖11所示。對比同級鉆速下鉆頭的扭矩均出現(xiàn)了一定幅度的提高,其中2 mm/s鉆速下鉆頭扭矩從840 N·m的水平提高到了1 030 N·m 左右,4 mm/s鉆速下扭矩從1 000 N·m左右提高到了1 275 N·m 左右,6 mm/s鉆速下扭矩從1 200 N·m左右提高到了1 630 N·m 的水平,分別如圖12～圖14所示。扭矩提高的原因是轉(zhuǎn)速提高后,鉆頭對于巖石的剪切速率增加,使鉆頭對巖石的剪切力加大,需要更大的扭矩來維持,所以表現(xiàn)出了扭矩的提高。同時從曲線上表現(xiàn)出了轉(zhuǎn)速提高后,扭矩的波動范圍也隨之提高了一些,鉆進的不穩(wěn)定性相對增加,從模擬結(jié)果來看與實際鉆進工程中的情況相近。

圖11 轉(zhuǎn)速2 r/s時鉆頭的扭矩變化Fig.11 Bit torque change of bit at rotating speed of 2 r/s

圖12 鉆速2 mm/s時鉆頭的扭矩變化Fig.12 Bit torque change of bit at drilling speed of 2mm/s

圖13 鉆速4 mm/s時鉆頭的扭矩變化Fig.13 Bit torque change of bit at drilling speed of 4mm/s

圖14 鉆速6 mm/s時鉆頭的扭矩變化Fig.14 Bit torque change of bit at drilling speed of 6mm/s

由以上分析可以看出,鉆頭鉆進條件的變化會引起鉆進參數(shù)的變化反應(yīng),鉆進參數(shù)的變化之間是有一定聯(lián)系的,即使是同種鉆頭在同種巖石里鉆進,一種參數(shù)的變化也會引起其他參數(shù)的反應(yīng),鉆進參數(shù)之間基于鉆頭的碎巖機理有著其內(nèi)在的規(guī)律性。

2 Python人工神經(jīng)網(wǎng)絡(luò)搭建與訓(xùn)練

2.1 數(shù)據(jù)的選取整理

2.1.1 數(shù)據(jù)的選取

數(shù)據(jù)模擬的結(jié)果由巖石類型、鉆速、轉(zhuǎn)速、軸壓、扭矩5項數(shù)據(jù)組成,由于模擬時設(shè)置了4種巖石在3種鉆速和2種轉(zhuǎn)速條件下進行鉆進模擬,所以從每種條件下各選取100條數(shù)據(jù),一共選取2 400條模擬數(shù)據(jù)進行人工神經(jīng)網(wǎng)絡(luò)的搭建和訓(xùn)練。數(shù)值模擬鉆進條件數(shù)據(jù)如表3所示。

實際工程鉆孔記錄的原始數(shù)據(jù)為某地應(yīng)力測量時的鉆孔記錄數(shù)據(jù),數(shù)據(jù)記錄了鉆頭類型、直徑、鉆壓、轉(zhuǎn)速、鉆程進尺、純鉆時間、鉆速、巖石類型等數(shù)據(jù)如表3、表4所示。選取鉆頭類型、直徑、鉆壓、轉(zhuǎn)速、鉆速5種參數(shù)為輸入數(shù)據(jù),4種巖石類型為目標(biāo)數(shù)據(jù)共200條數(shù)據(jù)進行神經(jīng)網(wǎng)絡(luò)的搭建和訓(xùn)練。

表3 數(shù)值模擬原始數(shù)據(jù)Table 3 Numerical simulation raw data

表4 實際鉆進原始數(shù)據(jù)Table 4 Actual drilling raw data

2.1.2 數(shù)據(jù)的處理

原始數(shù)據(jù)中的部分指標(biāo)如鉆頭種類、巖石種類這種中文屬性詞,無法直接作為數(shù)據(jù)被神經(jīng)網(wǎng)絡(luò)輸入訓(xùn)練,所以需要對其進行轉(zhuǎn)換以符合神經(jīng)網(wǎng)絡(luò)的要求。在鉆頭種類、巖石種類2種指標(biāo)內(nèi),同組的參數(shù)之間不具有序列性,也不是進行大小比較的類型,每種指標(biāo)內(nèi)的不同參數(shù)都是獨立又離散的存在,獨立編碼使用多個狀態(tài)寄存器來對多個狀態(tài)進行編碼,每個狀態(tài)都由其單獨的寄存器位,一位生效寄存器對應(yīng)一種狀態(tài),具體編碼代碼圖如圖15所示。編碼后將鉆頭和巖石種類將被轉(zhuǎn)化為類似數(shù)列的形式,如圖16所示?？梢钥吹綄嶋H鉆孔數(shù)據(jù)已沒有中文屬性詞匯,而且鉆頭類型也已被轉(zhuǎn)化成了寄存器轉(zhuǎn)態(tài)。需要注意的是原始數(shù)據(jù)在多數(shù)情況下不能直接用來分析,需要先將數(shù)據(jù)標(biāo)準化進行函數(shù)處理,采用數(shù)據(jù)歸一化消除指標(biāo)數(shù)值的范圍影響,讓不同特征對結(jié)果的貢獻和作用近似甚至相同,有效地提高模型精度,歸一化后輸出的數(shù)據(jù)如圖17所示。

圖15 編碼轉(zhuǎn)換過程Fig.15 Process of code conversion

圖16 編碼轉(zhuǎn)換后的數(shù)據(jù)Fig.16 Transcoded data

圖17 歸一化后的數(shù)據(jù)Fig.17 Normalized data

2.2 關(guān)鍵問題處理設(shè)置

為防止神經(jīng)網(wǎng)絡(luò)的輸入和輸出都只在做純粹的線性交換,本研究采用sigmoid函數(shù)作為激活函數(shù),使得神經(jīng)元的輸入、輸出轉(zhuǎn)變?yōu)榫哂蟹蔷€性因素的輸入輸出。對于模擬鉆進數(shù)據(jù)的模型最后選定3層隱含層,每層12個神經(jīng)元的結(jié)構(gòu),對于實際鉆進數(shù)據(jù)的模型選定2層隱含層,每層16個神經(jīng)元的結(jié)構(gòu),以使各模型達到較好的訓(xùn)練效果。并且選用交叉熵函數(shù)在神經(jīng)網(wǎng)絡(luò)模型中前向傳播完一次得出一次預(yù)測結(jié)果后評估預(yù)測結(jié)果與目標(biāo)結(jié)果之間的相差程度。誤差反饋方式則是將損傷函數(shù)從網(wǎng)絡(luò)的最后一層開始,對各節(jié)點權(quán)重求偏導(dǎo)數(shù),將誤差值代入然后對各節(jié)點的權(quán)重進行調(diào)整,即梯度下降法,為了防止梯度一次下降得太快,從而越過了最小值后者說是最優(yōu)值,所以會設(shè)置一個梯度下降的步長系數(shù)η來加以限制,同時為防止此反饋方式將所有神經(jīng)元節(jié)點的權(quán)值都依次計算梯度下降,造成模型網(wǎng)絡(luò)計算迭代緩慢,所以選用擴展的梯度下降方法,最終采用混淆矩陣的表示方法對結(jié)果進行分析。

2.3 訓(xùn)練結(jié)果

2.3.1 實際鉆孔數(shù)據(jù)訓(xùn)練結(jié)果

首先對200條實際鉆孔數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型設(shè)置為只訓(xùn)練的形式進行訓(xùn)練,以分析數(shù)據(jù)是否具有可訓(xùn)練性,其訓(xùn)練過程如圖18所示,可以看到損失函數(shù)的值隨著訓(xùn)練的進行一直在減小,表示模型建立正確,處于可以正確訓(xùn)練的狀態(tài),訓(xùn)練完成后的結(jié)果輸出如圖19所示。

圖18 函數(shù)下降變化過程Fig.18 Process of function descent change

由圖19可以看出,模型整體訓(xùn)練的準確率為89.7%,85個砂巖數(shù)據(jù)訓(xùn)練正確76個,82個泥巖數(shù)據(jù)訓(xùn)練正確77個,14個煤巖數(shù)據(jù)訓(xùn)練正確11個,23個灰?guī)r數(shù)據(jù)訓(xùn)練正確19個。模型對于各類數(shù)據(jù)的訓(xùn)練情況較為良好,說明了鉆進參數(shù)預(yù)測巖石類型模型的可訓(xùn)練性,證明鉆進參數(shù)的數(shù)據(jù)表現(xiàn)與巖石種類之間是有一定的內(nèi)在聯(lián)系的,這點與之前各章節(jié)的分析結(jié)果相同。然后設(shè)置訓(xùn)練集和預(yù)測集的訓(xùn)練,將實際鉆孔數(shù)據(jù)設(shè)置為隨機抽取80%的數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù),20%的數(shù)據(jù)作為預(yù)測集數(shù)據(jù),利用訓(xùn)練集數(shù)據(jù)將模型訓(xùn)練完畢后,代入預(yù)測集數(shù)據(jù)進行預(yù)測查看結(jié)果,如圖20所示。

圖20 實際鉆進數(shù)據(jù)結(jié)果Fig.20 Training results of actual drilling data

對于模型預(yù)測集的整體預(yù)測準確率為75%左右,抽取的15個砂巖數(shù)據(jù)預(yù)測正確12個,15個泥巖數(shù)據(jù)預(yù)測正確12個,5個煤巖數(shù)據(jù)預(yù)測正確4個,4個灰?guī)r數(shù)據(jù)預(yù)測正確3個。預(yù)測準確率沒有訓(xùn)練準確率高的原因是由于訓(xùn)練和預(yù)測的實際鉆孔的數(shù)據(jù)均較少,即使采取了降低過擬合提高模型泛化的方法,但部分個體的數(shù)據(jù)仍是無法正確地被模型所擬合預(yù)測,這是由于訓(xùn)練樣本數(shù)據(jù)不足所致,但75%的預(yù)測準確率表明人工神經(jīng)網(wǎng)絡(luò)已能對大部分數(shù)據(jù)的巖石類型具備可判斷性。

2.3.2 數(shù)值模擬數(shù)據(jù)的訓(xùn)練結(jié)果

數(shù)值模擬數(shù)據(jù)的訓(xùn)練結(jié)果與實際鉆孔數(shù)據(jù)的訓(xùn)練過程相似,將2 400條模擬數(shù)據(jù)隨機抽取200條數(shù)據(jù)作為預(yù)測集,剩余的2 200條數(shù)據(jù)作為訓(xùn)練集訓(xùn)練。訓(xùn)練集的輸出結(jié)果如圖21所示,整體訓(xùn)練準確率為89.8%,其中551個煤巖數(shù)據(jù)訓(xùn)練正確523個,543個砂巖數(shù)據(jù)訓(xùn)練正確468個,536個泥巖數(shù)據(jù)訓(xùn)練正確503個,537個灰?guī)r數(shù)據(jù)訓(xùn)練正確452個。

圖21 數(shù)值模擬數(shù)據(jù)結(jié)果Fig.21 Numerical simulation data results

預(yù)測集的結(jié)果如圖21所示,整體預(yù)測準確率為89.1%,與訓(xùn)練集的準確率相近,其中61個煤巖數(shù)據(jù)預(yù)測正確58個,63個砂巖數(shù)據(jù)預(yù)測正確55個,63個泥巖數(shù)據(jù)預(yù)測正確57個,62個灰?guī)r數(shù)據(jù)預(yù)測正確51個。對模擬數(shù)據(jù)訓(xùn)練預(yù)測準確率在90%左右,利用一些模擬時獲取的鉆進參數(shù)能很好地起到對巖石種類預(yù)估的效果。

模擬數(shù)據(jù)預(yù)測準確率比實際數(shù)據(jù)提高很多,一方面是由于模擬訓(xùn)練預(yù)測的數(shù)據(jù)量多于實際數(shù)據(jù),數(shù)據(jù)上的增多使神經(jīng)網(wǎng)絡(luò)模型能更好地訓(xùn)練,預(yù)測時個體數(shù)據(jù)的差異影響也會減小,即用更多的數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,神經(jīng)網(wǎng)絡(luò)所能識別的數(shù)據(jù)范圍也就更大;另一方面由于實際鉆孔工程要比軟件模擬時有更多的影響因素和不確定性,獲得的鉆進參數(shù)間的差異可能也就更大,這也影響了神經(jīng)網(wǎng)絡(luò)模型對于結(jié)果預(yù)測的正確性。

3 結(jié) 論

（1）利用ABAQUS軟件對礦用三翼PDC鉆頭動態(tài)鉆進過程做仿真模擬,結(jié)果表明:不同的巖石在相同的鉆速、轉(zhuǎn)速條件下受到鉆頭作用力的大小是不同的,砂巖、灰?guī)r、泥巖、煤巖的應(yīng)力反應(yīng)依次減小。鉆頭轉(zhuǎn)速不變時,在不同巖石中提高鉆速均會使鉆頭的軸壓和扭矩都增大。鉆頭的鉆速不變時,提高轉(zhuǎn)速均會使鉆頭扭矩增大,軸壓無明顯增加。相同的鉆速、轉(zhuǎn)速條件下,鉆頭在不同巖石中鉆壓與扭矩的輸出情況明顯不同,鉆壓與扭矩均是按照煤巖、泥巖、灰?guī)r到砂巖的順序依次增大。

（2）利用數(shù)值模擬數(shù)據(jù)和實際鉆孔數(shù)據(jù),使用Python語言進行了人工神經(jīng)網(wǎng)絡(luò)的搭建與訓(xùn)練。模擬數(shù)據(jù)與實際鉆孔數(shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練準確率為90%左右,說明了鉆進參數(shù)預(yù)測巖石類型模型的可訓(xùn)練性,證明鉆進參數(shù)的表現(xiàn)與巖石類型之間是有一定的內(nèi)在聯(lián)系的。2個模型預(yù)測準確率為90%左右和75%左右,證明利用鉆進參數(shù)和機器學(xué)習(xí)的方法來實現(xiàn)對巖石種類的判識具有可實現(xiàn)性。

（3）用軟件做鉆進過程數(shù)值模擬時,所設(shè)的一些基本假設(shè)例如巖石為各向相同且均質(zhì)的彈塑性體,還有不考慮鉆井液的影響等對模型進行了簡化。這些假設(shè)使模擬與實際過程有一定的差別,一些實際過程中可能存在的因素被忽略,使模擬結(jié)果具有局限性。今后可進一步對模擬模型做出優(yōu)化修改,使模擬能更加接近實際的鉆進情況以能更好研究鉆進參數(shù)的表現(xiàn)。原始數(shù)據(jù)量對機器學(xué)習(xí)的訓(xùn)練和使用效果起著重要的作用,本研究所能利用的實際鉆孔數(shù)據(jù)量有限,利用模擬數(shù)據(jù)又存在與實際數(shù)據(jù)有部分差別的可能,所以今后可收集更多的數(shù)據(jù)以豐富機器學(xué)習(xí)的數(shù)據(jù)庫,無論對于繼續(xù)研究還是以后的實際應(yīng)用都有著重要的作用。