冯志昊，黄 今，熊 珂，刘礼福

(西南科技大学 环境与资源学院，四川 绵阳 621010)

传统的岩体单轴抗压强度测试，需要将现场采集的岩样加工成标准试件后，在室内试验获得。数字钻探测试技术可以在现场或者是实验室，通过钻进的方法，从传感器监测得到钻头钻进过程中的速率、转速、扭矩、推进力等随钻参数。该方法与传统方法相比，所需的时间较短、成本更低。宋玲等[1]研究发现，随钻参数与单轴抗压强度具有相关性，且可以通过机器学习的方法来获得较为准确的单轴抗压强度，相较于传统的单轴压缩试验测试方法来说更快捷。YASAR等[2]通过实验提出了随钻参数与单轴抗压强度的经验公式。王琦等[3]利用支持向量机(SVM)，建立了良好的预测模型，但是其广泛性仍需要进一步验证，在岩体质量差的情况下，传统的数学模型和经验公式不是很理想。本文基于随钻参数和试验结果，详细分析了在钻进过程中，PDC钻头在旋转压入岩体时，岩体表面破碎阶段和疲劳破碎阶段的力学特性。不同岩石质量的样本所表现出的力学特性不同[4]，对于岩体质量较差的样本，在表面破碎阶段和疲劳破碎阶段破碎单位体积所需能耗相对较小，且整个阶段的时间较短，使用整个阶段的平均单位体积破碎能耗作为引入参数不够全面。因此，本文在原随钻参数建立的模型的基础上，对钻进过程中的表面破碎阶段和疲劳破碎阶段进行分析，引入钻压指数α[5]、疲劳破碎阶段和表面破碎阶段总时间tp以及疲劳破碎阶段和表面破碎阶段钻进系统旋转破碎单位体积能耗μp，建立新的预测模型。……