[發(fā)明專利]一種基于聲振信號的隨鉆巖性智能識別方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210070697.4
• 申請日: 2022-01-21
• 公開（公告）號: CN114492521A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設計）人: 曾維;王勝;尹生陽
• 申請（專利權）人: 成都理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;E21B47/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于聲振信號的隨鉆巖性智能識別方法，其特征在于，該方法包括：

采集巖石與鉆頭碰撞的音頻和振動信號數(shù)據(jù)，經(jīng)過處理后構建樣本數(shù)據(jù)集；

基于深度學習模型，對采集到的巖石數(shù)據(jù)進行深度學習與訓練，得到訓練好的預測模型，將實時獲取到的音頻和振動數(shù)據(jù)和訓練好的識別模型進行識別預測，在預測模型中，將CNN提取的局部特征作為GRU模型的輸入，提取全局特征；同時，為了提升模型的泛化能力，引入注意力模型構建CGRU-AttGRU優(yōu)化模型，Attention模型與GRU網(wǎng)絡組合作為模型的解碼器結構，CGRU作為模型的編碼器結構，最終通過分類器輸出識別預測巖性結果。

2.如權利要求1所述的基于聲振信號的隨鉆巖性智能識別方法，其特征在于，所述采集巖石與鉆頭碰撞的音頻和振動信號數(shù)據(jù)，經(jīng)過處理后構建樣本數(shù)據(jù)集，對采集到的巖石數(shù)據(jù)進行深度學習與訓練，得到訓練好的預測模型的方法，包括：

對采集到的音頻和振動信號進行預處理，確保用于分析的數(shù)據(jù)信號僅與地層巖性相關；

為提高識別準確率，減少數(shù)據(jù)稀疏問題，將采集巖石音頻和振動數(shù)據(jù)進行數(shù)據(jù)增強處理；

將預處理后的數(shù)據(jù)集按照7：3的比例隨機分為訓練集和測試集，分別作為訓練預測模型和驗證模型準確性。

3.如權利要求2所述的一種基于聲振信號的隨鉆巖性智能識別方法，其特征在于，對采集的音頻和振動信號處理的方法，包括：為了有效減少機械頻率和外部噪聲對數(shù)據(jù)的影響，采用帶通濾波器進行濾波處理，選擇1~15kHz頻率范圍識別巖性，在此頻率范圍下各種巖石具有唯一性。

4.如權利要求2所述的一種基于聲振信號的隨鉆巖性智能識別方法，其特征在于，對采集的數(shù)據(jù)進行數(shù)據(jù)增強的方法，包括：音頻數(shù)據(jù)采用時間伸展增強和音高變換增強方式，振動信號采用時域和時頻域的拉伸和掩蔽增強方式。

5.如權利要求2所述的一種基于聲振信號的隨鉆巖性智能識別方法，其特征在于，采用驗證集對訓練好的預測模型進行驗證精確度時，若出現(xiàn)過擬合和預測準確度不滿足要求時，則修改預測模型的正則化參數(shù)或者是進行數(shù)據(jù)增強提升訓練樣本數(shù)量，重新訓練和驗證，達到最優(yōu)模型從而得到最好識別精度。

6.如權利要求1所述的基于聲振信號的隨鉆巖性智能識別方法，其特征在于，所述方法還包括：要定期采集實時巖石音頻和振動數(shù)據(jù)來更新巖性識別模型，提高模型泛化性。

7.一種基于聲振信號的隨鉆巖性智能識別系統(tǒng)，其特征在于，該方法包括：

數(shù)據(jù)采集模塊，用于實時采集鉆頭與巖石碰撞得到的音頻數(shù)據(jù)和振動數(shù)據(jù)，經(jīng)過處理后構建樣本數(shù)據(jù)集；采用基于CGRU-AttGRU的深度學習模型，對采集到的巖石數(shù)據(jù)進行深度學習與訓練，得到訓練好的預測模型；

巖性識別模塊，用于將實時獲取到的音頻和振動數(shù)據(jù)和訓練好的識別模型進行識別預測，從而得到最終的預測結果。

8.一種便捷處理設備，所述設備包括核心控制器和存儲單元，可以配置相關外部設備進行人機交互；同時，該處理設備可以滿足將訓練好的巖性預測模型進行移植到設備上，實現(xiàn)移動端進行隨鉆實時巖性智能識別時實現(xiàn)權利1至6任一所述方法。

9.一種存儲介質(zhì)，將計算機程序保存在存儲介質(zhì)中，通過核心控制器對計算機程序進行調(diào)用時實現(xiàn)權利要求1至6任一所述方法。