基于智能凿岩台车钻孔速度的爆破超欠挖预测模型

摘要

智能凿岩台车随钻参数中的钻孔速度是当前反映隧道掘进掌子面前方围岩性质最为科学且数据易于获取的指标。为定量描述钻孔速度、爆破参数与围岩超欠挖之间的关系，依托某高原隧道智能凿岩台车施工工程，系统采集84个爆破循环、共3732条周边孔的完整MWD数据。基于对数据组成与爆破影响因素的梳理，构建了包含领钻阶段识别、正常钻进阶段钻孔速度聚类、装药结构向量化与降维、几何约束及最小抵抗线计算等环节的处理流程，提取周边孔外插角、孔距、最小抵抗线、装药结构与钻孔速度等特征，建立了基于MWD的Light GBM超欠挖预测模型。模型以设计原因导致的超欠挖为输出，结合早停与贝叶斯超参数优化保证收敛与泛化。结果表明:模型训练收敛性良好，验证/测试阶段整体误差处于工程可用水平，能够较好地刻画超欠挖随最小抵抗线、装药结构及钻孔速度等因素的变化趋势;在此基础上开展现场应用验证，平均线性超挖由24.8 cm降至13.2 cm，半孔率由53%提升至79%，轮廓控制与爆破质量得到改善。

关键词

钻爆法 / 超欠挖 / 随钻参数 / 钻孔速度 / 机器学习 / LightGBM

基金资助

山东大学高端工程机械智能制造全国重点实验室开放基金项目（ACMKF2024-07）