基于PCA-BP神经网络的随钻参数岩性智能感知方法研究

针对地下金属矿山掘进过程中岩层信息参数获取难度大、岩性判别 精 度 低 等 问 题,提 出 一 种 基 于 主 成 分 分 析 法(PCA)和 BP神经网络的岩性智能感知方法:首先,通过理论分析,构建基于 PCAＧBP神经网络的随钻参数岩性智能感知模型;然后,通过相似材料模拟３种不同岩性的“三层一体”岩样,利用特制的凿岩机钻进试验台获取钻机钻进速度、回转速度、钻压、回转压力、回转扭矩和泥浆泵压力等６种随钻参数;最 后,对 理 论 模 型 进 行 训 练 和 检 验.结 果 表 明,PCAＧBP神经网络岩性智能感知方法与传统的 BP神经网络岩性智能感知模型相比,减少了模型计算量,且岩性智能感知的准确率得到了有效提升.