基于随钻测量数据与变点分析的冻岩地层智能界面识别方法研究

《Sensors》：Intelligent Interface Detection of Frozen Rock Masses Using Measurement While Drilling Data and Change-Point Analysis Fei Gao, Hui Chen, Xiujun Wu, Huijie Zhai and Yuanxiang Mu

针对高海拔极低温和变温条件下岩性获取困难、爆破精细化程度低的难题，本研究开发了一种利用随钻测量(MWD)技术实时动态识别类岩体界面的方法。研究人员通过自主研发的室内数字钻进实验平台，对比了常温和冰冻(?20 °C)条件下不同强度类岩石材料的力学响应，发现低温硬化效应显著影响MWD参数，并导致信号剧烈波动。为此，提出了一种集成Z-score归一化、变点检测和多维空间聚类的界面识别算法。该算法通过单点与累积特征的双重检测机制，有效捕获岩层过渡时的突变信息，并结合一致性、变化强度、点密度等多维指标进行综合加权评分。实验结果表明，该算法有效消除了温度波动引起的参数系统性偏移，在“强-弱”和“弱-强”过渡界面处的预测误差均保持在1.5 mm以内，显著提升了复杂变工况下界面识别的精度与鲁棒性。这为寒冷地区工程实现差异化装药和绿色精细化开采提供了关键技术支撑，确保了更高的能效和环保性。

　　

在广袤的高海拔矿区，严寒与反复的冻融循环给岩石披上了一层坚硬而多变的“冰甲”，使得准确获取地下岩层的“身体密码”——岩体强度数据变得异常困难。传统的钻孔取样和物理测井等方法不仅效率低下，而且在极端环境中充满危险。然而，精准的岩层信息却是实现绿色、精细化矿山开采，优化爆破效果、减少能源浪费的基石。在这一背景下，能够“边钻边测”、原位获取地层信息的随钻测量（Measurement While Drilling, MWD）技术成为了破局的关键。但现有的MWD研究多聚焦于常温或高温深井，对零下低温环境中岩石物理性质的剧变及其对传感器信号的强烈干扰关注不足。岩石的低温硬化与冰-岩耦合效应，使得钻头遭遇的阻力复杂多变，传统模型在严寒下“水土不服”，鲁棒性大打折扣。针对这一盲区，Fei Gao, Hui Chen, Xiujun Wu, Huijie Zhai 和 Yuanxiang Mu 等研究人员在《Sensors》期刊上发表了一项创新研究，他们决心揭开冻岩地层钻进的“黑箱”，实现岩层界面的智能、精准识别。

为了攻克这一难题，研究团队精心设计并运用了几个核心技术方法。首先，他们搭建了一套自主研发的室内数字钻进实验平台，该平台集成了高精度位移、扭矩转速和压力传感器，能够精确监测钻进速度(V)、钻压(F)、转速(N)和扭矩(T)等关键MWD参数。其中，压力传感器创新性地布置在样品室正下方，直接测量岩体传递的竖向反力，有效隔离了来自钻机马达的机械噪声。其次，研究采用“相似模拟”思路，使用不同配比的水泥砂浆制备了C5、C10、C15、C20四种强度的类岩石均质样本，以及“强-弱-强”(A+D+C)和“弱-强-弱”(C+B+D)两种组合的层状复合样本，并分别在常温和?20°C冰冻条件下进行对比钻孔实验。最后，也是本研究算法的核心，是提出了一套融合Z-score归一化、双机制变点检测与多维空间聚类的冻岩界面识别算法。该算法首先通过Z-score归一化补偿温度引起的特征漂移，然后结合对瞬时梯度敏感的单点检测和对累积偏差稳健的累积检测，从高度波动的信号中捕捉真正的岩性突变点，最终通过多维加权评分和空间聚类，精确输出岩层界面位置。

3.1. 不同配比样本的钻进参数变化

通过对比不同强度样本在常温和低温下的扭矩、转速和钻压曲线发现，低强度样本所需的钻进扭矩和钻压更小，转速更高，表明其可钻性更好。低温(?20°C)会显著增强样本的硬度和脆性，导致所有样本的钻进扭矩和钻压整体升高，而稳定转速则系统性降低。这直观证实了低温硬化效应增加了钻进的切割阻力。

3.2. 样本的低温硬化效应

通过分析四分位距(Interquartile Range, IQR)和小提琴图发现，冰冻条件下样本的扭矩、钻压和转速的IQR值均显著扩大，对应着小提琴图形状的垂直拉伸。这表明在零下环境中，钻头遭遇的切割阻力高度不稳定，经历了剧烈的局部机械冲击，信号呈现出严重的高频波动。这种低温诱导的剧烈信号波动，对传统基于阈值的数据解读方法构成了严重干扰。

3.3. 层状样本钻进实验结果

对层状复合样本的钻进监测显示，转速、扭矩和钻压曲线均在预设的40 mm和70 mm岩层界面处(即强度突变处)呈现出清晰的阶梯状突变。尽管低温条件使所有参数的基线整体上移，但界面处的相对突变幅度和趋势被完好地保留下来。这证明MWD参数的相对阶跃变化对极端热干扰具有强韧性，为后续的特征提取算法提供了可靠的物理基础。

3.4. 基于突变检测与聚类的类岩石界面识别算法

为克服低温引起的剧烈信号波动，研究提出了一套三模块融合算法。首先，对多维MWD时序数据（扭矩T、钻压F、转速N）进行Z-score归一化，以消除温度引起的系统性基线漂移，生成复合特征序列F_i。接着，采用双机制变点检测：单点检测(计算ΔF_i= F_i- F_i-1)捕捉瞬时突变，但对振动噪声敏感；累积检测(计算C_i，即比较当前滑动窗口与历史窗口内F_k的平均值之差)则能平滑瞬态尖峰，对持续的宏观力学变化响应。两者结合，既能敏感捕捉微界面，又能滤除伪突变。最后，对双机制检测出的候选变点进行基于深度的空间聚类，并结合“突变点一致性”、“变化强度”和“点密度”三个维度进行加权评分，从而精确输出最终的岩层界面位置。

该研究的核心结论与重要意义在于，它成功量化并克服了低温环境对MWD技术的严峻挑战。实验明确揭示了?20°C低温通过冰-岩耦合效应，不仅整体提升了岩石的刚度和切割阻力（表现为扭矩、钻压上升，转速下降），更关键的是引入了剧烈的高频信号波动，极大地干扰了传统识别方法。针对此，所提出的双机制变点检测与聚类算法展现出了卓越的性能。该算法通过Z-score归一化有效补偿了温度漂移，再结合对瞬时和累积特征的双重分析，能够从高度噪杂的信号中精准提取出代表真实岩性界面的突变信息。最终，算法在“强-弱”和“弱-强”两种过渡界面上的预测误差均被控制在1.5毫米以内，这为在寒冷、高海拔等极端环境下的工程实践提供了前所未有的高精度地层剖面。

这项研究的意义远不止于算法本身。它首次系统地将MWD技术的适用性拓展至严寒领域，并提供了处理极端温度下传感器信号漂移与噪声的完整框架。其所实现的高精度、实时岩层界面识别能力，是实施“差异化装药”爆破、实现绿色精细化采矿的基石。通过准确知晓前方岩层的强度变化，可以动态调整炸药的布设和用量，从而最大限度地提高爆破效率、减少爆破危害、降低能耗，并保护周边生态环境。因此，该成果不仅为寒冷地区矿产资源的安全、高效、绿色开发提供了关键的技术支持，也为未来智能钻探和地质感知技术在极端环境下的应用开辟了新的道路。