陈旭1, 2, 郑晓亮1, 3, 4, 薛生1, 2, 4, 庞靖煜1, 2, 杨志强4
振动与冲击. 2026, 45(16): 101-111.
随钻岩性测量是煤矿透明地质建设的关键环节,为实现随钻岩性识别,利用近钻头三轴振动响应,提出一种基于多域特征与灰狼优化算法(Grey Wolf Optimizer,GWO)优化支持向量机(Support Vector Machine, SVM)的随钻岩性识别方法。首先,对三轴振动加速度信号进行连续变分模态分解(Successive Variational Mode Decomposition,SVMD)并根据多尺度样本熵准则筛选特征丰富的IMF并重构信号;进而,构建时域、频域与时频域特征的统计特征提取模块和递归图(Recurrence Plot,RP)图像特征提取模块,最后,将统计特征与图像特征拼接为多域融合特征向量输入至引入Pareto机制的GWO优化的SVM分类模型,实现岩性识别。为验证方法有效性,搭建了随钻岩性测量平台,设计了近钻头测量短节,制备了7类相似材料的岩样,并构建了岩性识别数据集。通过消融实验、不同信号重构方法及不同分类模型的对比实验表明,所提方法在4种工况下对7类岩性的平均识别准确率达98.48%,其信号重构效果优于变分模态分解、经验模态分解与自适应噪声完备集合经验模态分解方法,分类性能明显优于BP神经网络、K近邻算法、极限梯度提升、决策树及MobileViT等典型模型,能够实现高效、准确的随钻岩性识别。