一种基于随钻测试的实时确定岩石风化程度的方法及系统与流程

vp预判模型，所述rc-vp预判模型为vp值和rc值与随钻关键指标的函数关系。
11.进一步地，所述s200中获取钻孔内岩石压缩波波速vp值包括：
12.在钻孔内进行纵波波速测试，获取钻孔内岩石的压缩波波速vp值，将未风化岩石的压缩波波速值作为新鲜岩石压缩波波速vpc值。
13.进一步地，所述s300中获取钻孔内岩石的饱和单轴抗压强度rc值包括：
14.选取基准岩体，进行抗压强度试验，获取基准岩体的饱和单轴抗压强度rc值，将未风化岩石的饱和单轴抗压强度值作为新鲜岩石饱和单轴抗压强度rcx值；
15.对非基准岩体进行点荷载试验，获取非基准岩体的饱和单轴抗压强度rc值。
16.进一步地，所述基准岩体为完整段岩芯或较完整段岩芯。
17.进一步地，所述s100中包括：
18.采集随钻参数，所述随钻参数包括油压、钻压、立轴转速、立轴扭矩、钻进时间、钻进位移；
19.根据获取的随钻参数计算得到随钻关键指标，并实时获取随钻关键指标随时间以及孔深的具体分布规律。
20.进一步地，所述s400中包括：
21.根据获取的随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，利用人工智能算法，建立随钻关键指标与压缩波波速vp值以及饱和单轴抗压强度rc值的学习样本库，得到所述rc-vp预判模型。
22.另一方面，本发明还提供了一种基于随钻测试的实时确定岩石风化程度的系统，该系统包括：
23.随钻监测系统，用于在钻探过程中获取随钻参数；
24.数据采集仪，其与所述随钻监测系统连接用于采集并储存随钻参数；
25.波速测试系统，用于获取钻孔内岩石压缩波波速vp值；
26.移动控制终端，其与所述数据采集仪连接用于数据接收以及数据处理，所述移动控制终端包括数据处理模块；所述数据处理模块用于，对随钻参数进行处理，计算得到随钻关键指标，根据随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，建立rc-vp预判模型。
27.进一步地，所述随钻监测系统包括分别与所述数据采集仪连接的压力传感器、扭矩传感器、立轴接近开关以及位移传感器，所述压力传感器设置在钻机的给进油缸上，所述扭矩传感器设置在钻机的变速箱传动轴上，所述立轴接近开关设置在钻机的卡盘上，所述位移传感器设置在钻机的卡盘上。
28.本发明由于采用以上技术方案，使之与现有技术相比，具有以下有益效果：
29.1)本发明提供的基于随钻测试的实时确定岩石风化程度的方法及系统，通过获取随钻参数，计算得到随钻关键指标，建立好rc-vp预判模型，依据该预判模型，在钻探过程中，通过移动控制终端实时获取孔内岩石风化程度，操作简便，减少人工判别工作量，提高工作效率，对技术人员专业要求低，减少了人为误差影响，达到省时省力的效果；
30.2)本发明提供的基于随钻测试的实时确定岩石风化程度的方法及系统，选用参数全面，处理数据方法先进，过程严谨，建立的学习样本库质量较高，提高了rc-vp预判模型的准确性，可高效、准确的实时获取岩石风化等级，解决了需要进行各项测试岩石风化程度的
滞后性，可在现场充分利用钻孔资料，提高利用效率，为工程施工提供数据指导。
附图说明
31.图1为本发明基于随钻测试的实时确定岩石风化程度的系统的结构示意图；
32.图2为本发明基于随钻测试的实时确定岩石风化程度的方法的流程示意图；
33.图3为本发明基于随钻测试的实时确定岩石风化程度的方法中bp网络模型结构图。
34.附图标记说明：
35.1-随钻监测系统；11-给进压力传感器；12-回油压力传感器；13-扭矩传感器；14-立轴接近开关；15-位移传感器；16-磁铁；
36.2-数据采集仪；
37.3-移动控制终端；
38.4-钻机；41-钻具；42-柴油机；43-泥浆泵；44-给进油缸；45-变速箱；46-传动轴；47-卡盘；48-立轴；
39.5-电缆。
具体实施方式
40.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。附图中，为清晰可见，可能放大了某部分的尺寸及相对尺寸。
41.在本发明的描述中，除非另有明确的规定和限定，术语“连接”、“相连”应做广义解释，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通或两个元件的相互作用关系，对于本领域的普通的技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
42.在本发明的描述中，术语“上”、“下”、“左”、“右”、“前”、“后”等方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化操作，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
43.此外，在本发明的描述中，术语“第一”、“第二”仅仅用于在描述上加以区分。
44.如说明书附图2所示，本发明提供了一种基于随钻测试的实时确定岩石风化程度的方法，包括如下步骤：
45.建立可判别岩石风化程度的rc-vp预判模型；对岩体进行钻探，采集钻探过程中的随钻关键指标，根据所得的rc-vp预判模型，实时获取孔内岩石的vp值和rc值，计算得到岩石的波速比kv值和风化系数kf值，用于判别岩石风化程度；
46.所述rc-vp预判模型的建立方法包括：
47.s100：对岩体进行钻探，在钻探过程中取岩芯，并采集随钻参数，对随钻参数进行
预处理，计算得到随钻关键指标；
48.具体的，对岩体进行钻探并取岩芯，同时开展随钻监测，包括在钻机上设置多个传感器，用于获取随钻参数，所述随钻参数包括油压、钻压、立轴转速、立轴扭矩、钻进时间、钻进位移等，根据得到的随钻参数计算得到随钻关键指标，所述随钻关键指标包括冲击功ef、旋转功e
t
以及钻进速率v，其中，冲击功ef是指有效钻压随钻头钻进位移所做的功，旋转功e
t
是指由钻机旋转所产生的功。
49.s200：获取钻孔内岩石压缩波波速vp值；
50.具体的，通过在钻孔内进行纵波波速测试，获取钻孔内岩石的压缩波波速vp值，将未风化岩石的压缩波波速值作为新鲜岩石压缩波波速vpc值。
51.s300：获取钻孔内岩石的饱和单轴抗压强度rc值；
52.具体的，选取完整段岩芯或较完整段岩芯作为基准岩体，进行抗压强度试验，该试验优选单轴饱和抗压强度室内试验，获取基准岩体的饱和单轴抗压强度rc值，将未风化岩石的饱和单轴抗压强度值作为新鲜岩石饱和单轴抗压强度rcx值；对非基准岩体进行点荷载试验，获取非基准岩体的饱和单轴抗压强度rc值。
53.s400：根据随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，建立rc-vp预判模型，所述rc-vp预判模型为vp值和rc值与随钻关键指标的函数关系。
54.具体的，根据获取的随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，利用人工智能算法，建立随钻关键指标(ef，e
t
，v)与压缩波波速vp值以及饱和单轴抗压强度rc值的学习样本库，得到所述rc-vp预判模型；该模型的函数关系式为g(rc，vp)＝f(ef,e
t
,v)。
55.下面以具体的实施例进行详细阐述。
56.实施例1
57.如说明书附图1所示，本发明提供了一种基于随钻测试的实时确定岩石风化程度的系统，包括：随钻监测系统1，用于在钻探过程中获取随钻参数；数据采集仪2，其与所述随钻监测系统1连接用于采集并储存随钻参数；波速测试系统，用于获取钻孔内岩石压缩波波速vp值；移动控制终端3，其与所述数据采集仪2连接用于数据接收以及数据处理，所述移动控制终端3包括数据处理模块；所述数据处理模块用于，对随钻参数进行预处理，计算得到随钻关键指标，然后根据随钻关键指标、vp值以及rc有效值，建立rc-vp预判模型。
58.具体而言，所述随钻监测系统1设置在钻机4上，钻机4包括柴油机42、泥浆泵43、给进油缸44、变速箱45、传动轴46、卡盘47，传动轴46与变速箱45连接，卡盘47上设置有立轴48和液压传动机构，变速箱的输出端连接有传动轴，传动轴与液压传动机构连接，液压传动机构带动卡盘上下移动，进而带动立轴上下移动进行钻孔；立轴48下端设置有钻具41，所述钻具41为钻头，所述随钻监测系统1设置在钻机4上，用于获取钻机钻探时的随钻参数。具体的，所述随钻监测系统1包括分别与所述数据采集仪2连接的给进压力传感器11、回油压力传感器12、扭矩传感器13、立轴接近开关14、位移传感器15，各传感器分别通过电缆5与所述数据采集仪2连接；所述扭矩传感器优选皮带轮扭矩转速传感器，所述位移传感器优选拉绳位移传感器。所述给进压力传感器11和所述回油压力传感器12设置在所述钻机4的给进油缸44上，且分别安装在给进油缸44的上腔和下腔位置，可分别测量通过上腔和下腔的油管压强p1和p2；所述扭矩传感器13设置在所述钻机4的立轴传动的前端的变速箱传动轴46上，
用于测量变速箱45的输出扭矩t1以及传动轴转速n1，所述立轴接近开关14设置在所述钻机4的卡盘47上,可通过螺栓连接或粘结在卡盘47上，在所述钻机的立轴48上设置有与所述立轴接近开关14作用的磁铁16，该磁铁16为强力磁铁，粘贴在所述立轴48上，利用电磁感应原理，当立轴接近开关14接近磁铁16时，接收信号，测量立轴48回转时产生的脉冲个数n；所述位移传感器15设置在卡盘47侧面，其拉绳线竖直设置，固定在液压传动机构上，钻进时，随着油压驱动卡盘上下移动，拉绳不断进行伸长和收缩，每秒采集记录位移数据d。
59.所述随钻监测系统中的各传感器均为常见工业产品，根据不同钻机的型号选定相对应量程的传感器，所用的各类传感器均达到“三防”产品标准，适用于工程勘察现场的复杂条件。
60.优化实施方式，所述数据采集仪2优选自带充电电源的多通道采集箱设备，可实时采集并存储p1、p2、t1、n1、n、d等时间序列的信号数据，优选的，所述数据采集仪包括无线通讯传输模块，用于将数据实时发送至移动控制终端进行数据处理。
61.优化实施方式，所述移动控制终端3包括具有特定数据处理软件的平板电脑或手机，按照本发明所述的方法，移动控制终端用于接收数据采集仪的数据，并实时进行数据处理，提供判别结果和结论，工技术人员确定岩石风化程度。
62.实施例2
63.本发明还提供了一种基于随钻测试的实时确定岩石风化程度的方法，该方法是指基于随钻参数的实时确定孔内岩石风化程度的数据处理方法和工作方法，为获取相对准确的随钻参数，针对监测数据，需通过计算获取钻机在作业时的立轴的各项直接输出值，具体包括以下各类数据计算方法及工作原理：
64.(1)立轴转速n：
[0065][0066]
式(1)中：n－立轴接近开关14脉冲个数，1个脉冲对应立轴1转；
[0067]
t—立轴回转时间，单位min；
[0068]
(2)立轴扭矩t：
[0069][0070]
式(2)中：η—钻机回转系统传动效率，根据经验值取，不大于1；
[0071]
n—立轴转速，通过公式(1)计算得到；
[0072]
n1——钻机传动轴转速；
[0073]
t1——变速箱的输出扭矩，通过扭矩传感器13直接测量。
[0074]
(3)钻压f：
[0075]
f＝g0+p1×s1-p2×
s2ꢀꢀꢀ
公式(3)
[0076]
式(3)中，g0－钻具重量，现场根据钻探情况，直接称重，与重力加速度相乘所得，单位n；
[0077]
p1－给进油缸上腔的压强，通过给进压力传感器11直接测量，单位pa；
[0078]
s1－给进油缸上腔的面积，与油缸结构相关的定值，查看设备说明书可得，单位m2；
[0079]
p2－给进油缸下腔的压强，通过回油压力传感器12直接测量，单位pa；
[0080]
s2－给进油缸下腔的面积，与油缸结构相关的定值，查看设备说明书可得，单位m2。
[0081]
(4)孔深l和钻进速率v：
[0082]
钻机钻进过程中，卡盘按照上下方向不断进行往复运动，仅有卡盘扣紧立轴向下运动时产生的位移竖直为有效钻进位移，卡盘松开立轴向上运动仅为钻进过程中的辅助操作。
[0083]
按照随钻监测系统运行原理，拉绳位移传感器每秒采集一个数据，则在t时间内记录的m个位移数据为d1，d2，d3……dm
；当位移差δd＝d
m-d
m-1
》0时，判定卡盘为向上运动；当位移差δd＝d
m-d
m-1
《0时，判定卡盘为向下运动。故对δd＝d
m-d
m-1
《0的数值的绝对值求和，即为在t1时间内的累积进尺，即孔深l1。
[0084][0085]
因而，在时刻t1至时刻t2的δt时间内自孔深l1至孔深l2钻进δl过程时的钻进速率：
[0086][0087]
(5)随钻关键指标
[0088]
确定随钻关键指标是数据处理中最关键一步，其合理性直接影响预判模型的合理性和准确性。根据岩石破碎学原理与能量守恒定律，特定岩性条件下，岩石可钻性即是岩石抵抗钻头破坏的能力，无论是冲击还是旋转式破岩，钻头端面及侧向与岩体间的相互作用最终通过能量消耗的形式表现，因而岩体的破碎过程与输入的能量有关。而钻机钻探过程中向岩体输入的能量主要由两部分完成：有效钻压随钻头钻进位移所做的功(即冲击功)ef以及由钻机旋转所产生的功(即旋转功)e
t
。
[0089]
因而，本发明提出随钻关键指标包括：冲击功ef、旋转功e
t
以及钻进速率v。不同风化程度的岩石的破岩过程都是由钻机钻进做功完成，与输入能量(ef，e
t
)相关，同时不同风化程度下的岩石，其实际的钻进速率有明显的差异，因此选定(ef，e
t
，v)作为随钻关键指标。
[0090]
时刻t1至时刻t2的δt时间内随钻关键指标的计算方法如下：
[0091]ef
＝f
×v×
δt
ꢀꢀꢀ
公式(6)
[0092]et
＝t
×n×
δt
ꢀꢀꢀ
公式(7)
[0093]
式(6)和式(7)中，f-钻压；v-钻进速率；t-立轴扭矩；n-立轴转速。
[0094]
通过上述公式，可以根据随钻参数，计算得到随钻关键指标。
[0095]
(6)岩石风化程度关键参数
[0096]
岩石风化程度一般可以划分为全风化、强风化、中等风化、微风化和未风化等5个级别，部分花岗岩地层还存在残积土，关键参数主要为波速比kv和风化系数kf，其中波速比kv为风化岩石与新鲜岩石压缩波波速之比，风化系数kf为风化岩石与新鲜岩石饱和单轴抗压强度之比，在实际钻头过程中，可以将未风化岩石的压缩波波速作为新鲜岩石压缩波波速，可以将未风化岩石的饱和单轴抗压强度作为新鲜岩石饱和单轴抗压强度。波速比kv和风化系数kf计算公式如下：
[0097][0098][0099]
式(8)和(9)中，vpc为新鲜岩石压缩波波速；rcx为新鲜岩石饱和单轴抗压强度。
[0100]
建立随钻关键指标与岩石风化程度关键参数之间的关系，再利用随钻测试实时获取钻进时岩石的压缩波波速和饱和单轴抗压强度，进而计算得到kv和kf，通过查表，即可获取岩石风化程度。
[0101]
本发明的方法在现场操作实施步骤如说明书附图2所示，具体如下：
[0102]
1)现场钻孔内实施钻探并取岩芯，同时通过随钻监测系统开展随钻测试，获取随钻参数p1，p2，t，n等，依据公式(5)、(6)和(7)计算随钻关键指标(ef，e
t
，v)，并实时获取随钻关键指标随时间和孔深的具体分布规律；
[0103]
2)在钻孔内开展纵波波速测试工作，获取钻孔不同风化程度的岩石压缩波波速vp值，将未风化岩石的波速值作为新鲜岩石vpc值作存储和记录，在同岩性的区域内，各钻孔内新鲜岩石vpc值可视为常量；
[0104]
3)选取基准岩体，基准岩体优选钻孔内较完整、完整段岩芯，开展单轴饱和抗压强度室内试验，获取基准岩体的饱和单轴抗压强度rc值，将未风化岩石的饱和单轴抗压强度值作为新鲜岩石饱和单轴抗压强度rcx值作存储和记录，在同岩性的区域内，各钻孔内新鲜岩石rcx值可视为常量。对非基准岩体进行点荷载试验，获取非基准岩体的饱和单轴抗压强度rc值，所述非基准岩体为破碎岩芯；
[0105]
4)选择合理的人工智能算法等数学方法，如支持向量机、人工神经网络等，利用步骤1～3获取足够多的标准样本集数据后，建立随钻关键指标(ef，e
t
，v)与rc、vp值学习样本库，进一步的得到rc-vp预判模型，其模型的函数关系式可简化表达为：g(rc，vp)＝f(ef,e
t
,v)；
[0106]
5)获得rc-vp预判模型后，利用本发明的装备及方法，在其他孔内进行钻探，优选对同样岩性的岩体进行钻探，可实现实时原位的获取孔内岩石风化程度关键参数rc和kv值，并进一步的依据公式(8)和公式(9)，根据步骤2中获取的新鲜岩石vpc值，步骤3中获取的新鲜岩石rcx值，计算获得波速比kv值和风化系数kf值。
[0107]
6)将规范中相关风化程度分类表，如下表1，录入移动控制终端中，根据计算结果，自动进行岩石风化程度的判识。
[0108]
表1岩石风化程度分类表
[0109]
风化程度波速比kv风化系数kf未风化0.9≤kv≤1.00.9≤kf≤1.0微风化0.8≤kv《0.90.8≤kf《0.9中等风化0.6≤kv《0.80.4≤kf《0.8强风化0.4≤kv《0.6《0.4全风化0.2≤kv《0.4-[0110]
具体而言，利用本发明进行判别时，当kv与kf同时满足表1中所规定条件时，输出准
确判别结果；其他结果输出则结果均为未知，需结合现场钻探情况和其他手段辅助判识。
[0111]
为了更好的阐述本发明所述的方法，特举实例进行说明：例如在石炭系灰岩地层工况下，为实时获取所钻硬岩地层的岩石风化程度，可依据所述方法建立适用于本区域内灰岩地层的rc-vp预判模型。
[0112]
本实施例中数据处理方法选用应用较广泛的bp神经网络，随钻关键指标(ef，e
t
，v)与rc，vp之间为非线性关系，模型由输入层、输出层及隐层组成，每一个节点层都包括一定数量的神经元节点，同一节点层各节点之间互不连接，其模型结构如说明书附图3所示。
[0113]
根据石炭系灰岩地层随钻测试情况，其通过反复测试，确定神经网络隐层结点数为8，选用正切sigmoid函数作为激励函数，采用自适应学习速率动量梯度下降反向传播算法，提高网络的训练效率。首先要为网络提供一定量的实测或试验数据资料作为样本，通过对这些数据的学习训练，是网络建立起这些影响因素之间的映射关系，从而使网络具备预测能力。
[0114]
进一步地，利用bp神经网络，依托多个钻孔内的随钻关键指标(ef，e
t
，v)、rc值、vp值，可建立rc-vp预判模型，其多组训练样本如下表2所示：
[0115]
表2rc-vp预判模型训练样本
[0116]
[0117][0118]
通过深度学习，建立石炭系灰岩bp神经网络rc-vp预判模型，将该预判模型导入移动控制终端软件中，并应用于随钻测试过程中，在区域内其他同类岩性钻孔中，实现实时判别rc值和vp值，并计算得到波速比kv和风化系数kf，进而判别岩石风化程度。其中一部分预判结果，如下表3所示：
[0119]
表3岩石风化程度实时判别结果
[0120]
[0121][0122]
上述实例中仅详细阐述了灰岩地层的岩石风化程度的判别，本发明的判别方法及系统，对岩性地层不做限制。其他岩性的岩体岩石风化程度预判模型可参考上述方法执行。
[0123]
按照本发明提供的基于随钻测试的实时确定岩石风化程度的方法及系统，可以在移动控制终端中实时原位对孔内正在钻探的岩石风化程度进行判别，便于现场实施应用，为实时钻探提供数据指导。
[0124]
综上所述，本发明提供的基于随钻测试的实时确定岩石风化程度的方法，在钻机上设置随钻监测系统，获取钻探过程中的随钻参数，通过各随钻参数计算得到随钻关键指标，在钻孔内进行纵波波速测试，获取钻孔内岩石压缩波波速值，取未风化岩石作为新鲜岩石压缩波波速值，通过对基准岩体进行室内单轴抗压试验，获取岩石的饱和单轴抗压强度值，取未风化岩石作为新鲜岩石饱和单轴抗压强度值，选择合理的人工智能算法等数学方法，获取足够多的标准样本集数据后，建立随钻关键指标(ef，e
t
，v)与rc、vp值学习样本库，进一步的得到rc-vp预判模型；在实时钻探中，根据获得的随钻参数，可以实时原位获取孔内岩石风化程度关键参数rc和kv值，计算获得波速比kv值和风化系数kf值，用于判别岩石风化程度。本发明的方法基于能量守恒定律和破岩机理提出的随钻关键指标，选用参数全面，科学合理，提高了预判模型的准确性；通过预判模型实时获取岩石风化程度，解决了需要进行各项测试获取岩石风化程度的滞后性，可在现场快速直接为工程施工提供参考建议。
[0125]
本技术领域的技术人员应理解，本发明可以以许多其他具体形式实现而不脱离本发明的精神和范围。尽管已描述了本发明的实施例，应理解本发明不应限制为此实施例，本技术领域的技术人员可如所附权利要求书界定的本发明精神和范围之内作出变化和修改。

技术特征：
1.一种基于随钻测试的实时确定岩石风化程度的方法，其特征在于，包括如下步骤：建立可判别岩石风化程度的rc-vp预判模型；对岩体进行钻探，采集钻探过程中的随钻关键指标，根据所得的rc-vp预判模型，实时获取孔内岩石的vp值和rc值，计算得到岩石的波速比kv值和风化系数kf值，用于判别岩石风化程度；所述rc-vp预判模型的建立方法包括：s100：对岩体进行钻探，在钻探过程中取岩芯，并采集随钻参数，对随钻参数进行预处理，计算得到随钻关键指标；s200：获取钻孔内岩石压缩波波速vp值；s300：获取钻孔内岩石的饱和单轴抗压强度rc值；s400：根据随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，建立rc-vp预判模型，所述rc-vp预判模型为vp值和rc值与随钻关键指标的函数关系。2.根据权利要求1所述的基于随钻测试的实时确定岩石风化程度的方法，其特征在于，所述s200中获取钻孔内岩石压缩波波速vp值包括：在钻孔内进行纵波波速测试，获取钻孔内岩石的压缩波波速vp值，将未风化岩石的压缩波波速值作为新鲜岩石压缩波波速vpc值。3.根据权利要求1所述的基于随钻测试的实时确定岩石风化程度的方法，其特征在于，所述s300中获取钻孔内岩石的饱和单轴抗压强度rc值包括：选取基准岩体，进行抗压强度试验，获取基准岩体的饱和单轴抗压强度rc值，将未风化岩石的饱和单轴抗压强度值作为新鲜岩石饱和单轴抗压强度rcx值；对非基准岩体进行点荷载试验，获取非基准岩体的饱和单轴抗压强度rc值。4.根据权利要求3所述的基于随钻测试的实时确定岩石风化程度的方法，其特征在于，所述基准岩体为完整段岩芯或较完整段岩芯。5.根据权利要求1所述的基于随钻测试的实时确定岩石风化程度的方法，其特征在于，所述s100中包括：采集随钻参数，所述随钻参数包括油压、钻压、立轴转速、立轴扭矩、钻进时间、钻进位移；根据获取的随钻参数计算得到随钻关键指标，并实时获取随钻关键指标随时间以及孔深的具体分布规律。6.根据权利要求1所述的基于随钻测试的实时确定岩石风化程度的方法，其特征在于，所述s400中包括：根据获取的随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，利用人工智能算法，建立随钻关键指标与压缩波波速vp值以及饱和单轴抗压强度rc值的学习样本库，得到所述rc-vp预判模型。7.一种基于随钻测试的实时确定岩石风化程度的系统，其特征在于，该系统包括：随钻监测系统，用于在钻探过程中获取随钻参数；数据采集仪，其与所述随钻监测系统连接用于采集并储存随钻参数；波速测试系统，用于获取钻孔内岩石压缩波波速vp值；移动控制终端，其与所述数据采集仪连接用于数据接收以及数据处理，所述移动控制终端包括数据处理模块；所述数据处理模块用于，对随钻参数进行处理，计算得到随钻关键
指标，根据随钻关键指标、压缩波波速vp值以及饱和单轴抗压强度rc值，建立rc-vp预判模型。8.根据权利要求7所述的基于随钻测试的实时确定岩石风化程度的系统，其特征在于，所述随钻监测系统包括分别与所述数据采集仪连接的压力传感器、扭矩传感器、立轴接近开关以及位移传感器，所述压力传感器设置在钻机的给进油缸上，所述扭矩传感器设置在钻机的变速箱传动轴上，所述立轴接近开关设置在钻机的卡盘上，所述位移传感器设置在钻机的卡盘上。

技术总结
本发明涉及工程地质钻探领域，尤其涉及一种基于随钻测试的实时确定岩石风化程度的方法及系统；该方法包括在钻探过程中取岩芯，并采集随钻参数进行处理，获取随钻关键指标；获取钻孔内岩石压缩波波速Vp值；获取钻孔内岩石的饱和单轴抗压强度Rc值；根据随钻关键指标，建立Rc-Vp预判模型；根据Rc-Vp预判模型，实时获取孔内岩石Vp值和Rc值，计算得到岩石的波速比Kv值和风化系数Kf值，用于判别岩石风化程度。本发明中通过随钻参数获取随钻关键指标，建立好Rc-Vp预判模型，依据该预判模型，在钻探过程中，通过移动控制终端实时获取孔内岩石风化程度，操作简便，减少人工判别工作量，提高工作效率，减少了人为误差影响，达到省时省力的效果。效果。效果。


技术研发人员：刘华吉 张占荣 李时亮 孙红林 李东黎 王亚飞 赵晋乾 岳建刚 董同新 董跃龙 李炜 王亚威 廖超 杨莹 刘维
受保护的技术使用者：中国铁建股份有限公司
技术研发日：2023.06.21
技术公布日：2023/10/11