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！

龙图腾网获悉重庆大学;重庆市城市建设投资(集团)有限公司申请的专利一种基于随钻参数特征的智能实时岩层反演识别方法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：CN116677367B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310538323.5，技术领域涉及：E21B47/00；该发明授权一种基于随钻参数特征的智能实时岩层反演识别方法是由陈结;李铮;张明天设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本一种基于随钻参数特征的智能实时岩层反演识别方法在说明书摘要公布了：本发明公开了一种基于随钻参数特征的智能实时岩层反演识别方法，包括在室内钻机试验平台上对不同种类的岩石样品开展模拟钻进试验，并通过在钻机上安装传感器的方式，采集岩块钻进过程中的随钻参数，对采集到的钻杆轴向振动信号进行时频分析处理并训练，以用于识别岩层的人工神经网络模型；在钻探作业现场将采集的随钻数据输入训练好的人工神经网络模型，人工神经网络模型实时输出钻遇岩层的界面及岩性种类等识别结果，以对地层地质及岩土体分级，并且在钻进过程中工作人员可以根据随钻岩层识别结果及时调整钻进参数及路径，有利于保证钻孔质量、提高钻探效率、节省大量的人力物力。

本发明授权一种基于随钻参数特征的智能实时岩层反演识别方法在权利要求书中公布了：1.一种基于随钻参数特征的智能实时岩层反演识别方法，其特征在于：包括以下步骤： 1在钻进试验台上对不同种类的岩石样品开展模拟钻进试验，并在钻机上安装传感器采集随钻参数，所述随钻参数包括钻进过程中的钻杆扭矩、钻进压力、钻进速度、钻杆转速和钻杆轴向振动信号； ①采用钻进比功来反映钻进过程中岩石破碎的综合特征，得到在钻进地层中，钻进比功随钻头位移的变化，公式表示为： 式中，Pf为钻进过程中单位时间内钻头破碎岩石所做的功；Db为钻头外直径；Di为钻头内直径，当为破坏钻进时，Di＝0；V为穿孔速率； 2对采集到的钻杆轴向振动信号进行处理： ①对采集的钻杆轴向振动信号采用阈值截取法进行处理，将振幅小于设定阈值的数据全部删除，将大于设定阈值的数据全部保留； ②对保留下来的钻杆轴向振动信号进行分帧处理，将每个单位采样时间段t视为一个观测单位，每个观测单位内包含N个时间采样点，一个观测单位内的N个时间采样点构成一帧数据xn，其中0≤n＜N； ③对每帧数据提取特征参数，所述特征参数包括：方差、均方根值、波峰因素和峭度，信号特征参数的表达式分别如下： 方差： 均方根值： 波峰因素： 峭度： 以上算式中N表示时间采样点的数量，xi表示一帧振动数据中第i个采样点的幅值，表示一帧振动数据的N个采样点的振动幅值平均值，|xi|max表示一帧振动数据的N个采样点中的最大振幅，xrms表示一帧振动数据的波形有效值； 提取得到的方差和均方根表示振动信号的平均能量，用于定量反映岩层界面的变化；提取得到的波峰因素表示硬岩和软岩的差异程度，峭度指数反映硬岩和软岩的变化率，波峰因素和峭度用于定性划分岩石性质； ④对每帧数据进行时域特征分析，得到用于区分岩层岩体结构特征的对数能量，其包括步骤： a对钻杆轴向振动信号进行分帧处理，N个时间采样点集合成一个观测单位xn，0≤n＜N，称为一帧；相邻两帧之间重叠W个样点，W值为 b对每一帧数据进行快速傅里叶变换，计算频谱： c计算每一帧数据的对数能量： d将对数能量的振幅谱通过一组滤波器组，计算通过滤波器组后的对数能量，滤波器组采用三角滤波器，选定一组中心频率f，m＝1，2，...，M，三角滤波器频率响应为： 滤波后的对数能量 3对通过采集随钻参数得到的钻进比功与钻杆轴向振动信号相同的分帧处理，并通过方差、均方根值、波峰因素和峭度分析振动信号的时域特征指数； 4将同一个时间单位内的钻进比功和钻杆轴向振动信号的方差、均方根值、波峰因素和峭度以及同一个时间单位内的钻杆轴向振动信号的对数能量E和滤波后的对数能量Sm作为一个数组，将全部的数据构成训练人工神经网络的训练集； 5构建人工神经网络模型，所述人工神经网络模型由输入层、隐藏层、输出层构成，采用步骤4中所述的训练集内的数据训练人工神经网络模型，训练算法采用KFCM算法，得到用于识别钻遇岩层类别的人工神经网络模型；KFCM算法的聚类目标函数为： 式中，k为聚类别数；N为原始特征空间样本数量；xj为原始特征空间中第j个样本，j＝1,2...,N；μij为第j个样本xj对第i类的隶属度μij∈[0，1]；m为模糊度；vi为高维特征空间中第i类的聚类中心，i＝1,2...,k；dφxj，vi为高维特征空间中第j个样本xj与第i类的聚类中心vi之间的距离；则KFCM算法的聚类中心vi为 最小化目标函数可通过令其对隶属度矩阵U的偏导数为0进行求导，则隶属度μrs为： 式中，r＝1,2,...,N；s＝1,2,...,k； 通过式3和4不断循环优化计算出聚类中心vi和隶属度μrs，从而得到聚类结果； 6采用模糊C均值聚类算法进行地层界面的分类识别；算法定义如下：假设X＝{x1,x2,...,xN}为待聚类的钻进过程中随钻参数钻进比功、采集到的钻杆特征参数数据集，FCM算法将每个对象xj1≤j≤N分配给C个地层类别，使用C×N的隶属矩阵U＝{uij}表示对象与类别之间的隶属关系，其中uij表示第j个对象属于第i个类的隶属程度；针对X的模糊划分空间定义为： 7在钻探现场的钻机上安装传感器实时采集钻杆扭矩、给进压力、钻进速度和钻机转速通过计算得到实时的钻进比功，并将采集的钻杆轴向振动信号数据做分帧处理，然后对每帧数据提取特征参数：方差、均方根值、波峰因素和峭度，以及提取每帧数据中轴向振动信号的对数能量E和滤波后的对数能量Sm，将数据实时输入训练好的人工神经网络模型，人工神经网络模型输出实时钻遇岩层的聚类分析结果。

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重庆大学;重庆市城市建设投资(集团)有限公司，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。