煤炭科学技术

作者：张幼振, 李泉新, 李旺年, 钟自成, 陈龙, 杨冬冬, 陈韬,

关键词：煤矿井下钻探, 随钻智能感知, 数据驱动, 钻柱动力学, 多源信息融合, 机器学习,

面向煤矿智能化建设对地质保障透明化的迫切需求，针对现有煤矿井下钻探中随钻地层岩性和工况识别方法存在信息获取难度大、识别精度低以及智能化程度不足等问题，结合人工智能与矿井随钻测量技术的发展状况，提出煤矿井下随钻智能感知的定义与技术架构，进而阐述了通过钻柱动力学机理与随钻多源数据融合驱动实现随钻智能感知的技术路径。系统分析煤矿井下近水平钻探中的钻柱动力学响应规律，揭示了钻头−岩石与钻杆−孔壁的相互作用机制，以及钻杆在钻进过程中正弦屈曲和螺旋屈曲的动态演化特征，为随钻智能感知技术建立理论基础与数据边界。确定多源异构随钻原始数据的采集技术方案，按照时间序列进行数据预处理，基于接入层、汇聚层和核心层3个层级构成的通信网络，提出数据层−特征层−决策层3级递进的多模态钻探数据融合策略，并构建出基于边缘−云协同的钻探信息传输与处理架构。结合两淮矿区实际生产对所提技术体系的有效性和实用性开展了工程应用研究，在淮北某矿基于模糊C均值聚类（FCM）方法，对穿层孔施工中的3类岩层实现了无先验标签条件下的随钻岩层硬度感知，效果优于传统聚类方法。在淮南某矿基于鲸鱼算法优化的核极限学习机（WOA-KELM）方法，对定向长钻孔施工中的卡钻工况实现了有效预测，为智能钻探闭环控制提供了决策依据。工程应用研究表明，该技术体系能够有效提升煤矿井下钻探的地质信息实时感知能力和智能化水平，为透明地质矿井建设与智能钻探技术发展提供关键技术支撑与工程应用参考。

来源：2026年第4期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2026年第4期