买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都理工大学申请的专利一种基于钻进碎岩过程声振信号特征实时预测岩性的方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117216676B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310799393.6，技术领域涉及：G06F18/2415；该发明授权一种基于钻进碎岩过程声振信号特征实时预测岩性的方法和系统是由王胜;张拯;柏君;赖昆;张洁;李冰乐;王文杰设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于钻进碎岩过程声振信号特征实时预测岩性的方法和系统在说明书摘要公布了：本发明提供了一种基于钻进碎岩过程声振信号特征实时预测岩性的方法和系统，属于钻探技术领域，本发明通过分析声振信号中含有的岩性特征与钻进状态特征，结合深度学习卷积神经网络，构建了基于声振信号的岩性识别模型，并对模型的决策进行了解释，又针对各个模型识别岩性能力不同的情况，结合模型共同决策的思想，提供了一种多模型集成学习的岩性智能识别方法及其系统。

本发明授权一种基于钻进碎岩过程声振信号特征实时预测岩性的方法和系统在权利要求书中公布了：1.一种基于钻进碎岩过程声振信号特征实时预测岩性模型的构建方法，其特征在于：它包括如下步骤： 1获得钻进碎岩的声音信号和振动信号，振动信号包括x轴振动信号、y轴振动信号和z轴振动信号； 2将前述声音信号、振动信号分别进行预处理，预处理包括预加重、小波阈值降噪、带通滤波和时频域分析，得到声音信号、x轴振动信号、y轴振动信号和z轴振动信号的时频图像； 3在AlexNet的基础上加入CBAM注意力机制和残差结构，搭建出AlexNet-RCBAM卷积神经网络，以步骤2得到的时频图像为数据集，进行数据增强，拆分数据集，输入AlexNet-RCBAM卷积神经网络，进行训练，调优，构建出声音、x轴振动、y轴振动、z轴振动四个信号的基础模型； 4将步骤3的四个基础模型以加权平均法进行集成，得到集成模型； 加权方式为基分类器输出类概率加权，以均方倒数法分配权重； AlexNet-RCBAM网络输出的向量经过Softmax函数处理即转换为每个类别对应的概率，如下式： 式中，n为识别任务对象数量；ai为输入Softmax的向量的第i个元素；pi为模型识别数据为第i类的概率； 以加权调和平均数Fβ综合基分类器上的查准率与查全率，其计算公式如下： 式中，P为查准率；R为查全率；β为P与R之间的权重； Fβ值表示了基分类器准确识别某类岩性的能力，因此1-Fβ的值则可表示相对于完美识别时的预测误差，基于误差大应赋值小权重而误差小则赋值大权重的原则，以均方倒数法的方式分配权重，计算公式如下： 式中，Fβij为第j个基分类器识别第i类对象的加权调和平均数；Wij为第j个基分类器识别第i类对象时分配的权重，且满足 集成后强分类器识别数据为第i类的概率为Pwi＝Wi1pi1+Wi2pi2+…+Wimpim。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。