[发明专利]一种基于声振信号的随钻岩性智能识别方法与系统

权利要求书

1.一种基于声振信号的随钻岩性智能识别方法，其特征在于，该方法包括：

采集岩石与钻头碰撞的音频和振动信号数据，经过处理后构建样本数据集；

基于深度学习模型，对采集到的岩石数据进行深度学习与训练，得到训练好的预测模型，将实时获取到的音频和振动数据和训练好的识别模型进行识别预测，在预测模型中，将CNN提取的局部特征作为GRU模型的输入，提取全局特征；同时，为了提升模型的泛化能力，引入注意力模型构建CGRU-AttGRU优化模型，Attention模型与GRU网络组合作为模型的解码器结构，CGRU作为模型的编码器结构，最终通过分类器输出识别预测岩性结果。

2.如权利要求1所述的基于声振信号的随钻岩性智能识别方法，其特征在于，所述采集岩石与钻头碰撞的音频和振动信号数据，经过处理后构建样本数据集，对采集到的岩石数据进行深度学习与训练，得到训练好的预测模型的方法，包括：

对采集到的音频和振动信号进行预处理，确保用于分析的数据信号仅与地层岩性相关；

为提高识别准确率，减少数据稀疏问题，将采集岩石音频和振动数据进行数据增强处理；

将预处理后的数据集按照7：3的比例随机分为训练集和测试集，分别作为训练预测模型和验证模型准确性。

3.如权利要求2所述的一种基于声振信号的随钻岩性智能识别方法，其特征在于，对采集的音频和振动信号处理的方法，包括：为了有效减少机械频率和外部噪声对数据的影响，采用带通滤波器进行滤波处理，选择1~15kHz频率范围识别岩性，在此频率范围下各种岩石具有唯一性。

4.如权利要求2所述的一种基于声振信号的随钻岩性智能识别方法，其特征在于，对采集的数据进行数据增强的方法，包括：音频数据采用时间伸展增强和音高变换增强方式，振动信号采用时域和时频域的拉伸和掩蔽增强方式。

5.如权利要求2所述的一种基于声振信号的随钻岩性智能识别方法，其特征在于，采用验证集对训练好的预测模型进行验证精确度时，若出现过拟合和预测准确度不满足要求时，则修改预测模型的正则化参数或者是进行数据增强提升训练样本数量，重新训练和验证，达到最优模型从而得到最好识别精度。

6.如权利要求1所述的基于声振信号的随钻岩性智能识别方法，其特征在于，所述方法还包括：要定期采集实时岩石音频和振动数据来更新岩性识别模型，提高模型泛化性。

7.一种基于声振信号的随钻岩性智能识别系统，其特征在于，该方法包括：

数据采集模块，用于实时采集钻头与岩石碰撞得到的音频数据和振动数据，经过处理后构建样本数据集；采用基于CGRU-AttGRU的深度学习模型，对采集到的岩石数据进行深度学习与训练，得到训练好的预测模型；

岩性识别模块，用于将实时获取到的音频和振动数据和训练好的识别模型进行识别预测，从而得到最终的预测结果。

8.一种便捷处理设备，所述设备包括核心控制器和存储单元，可以配置相关外部设备进行人机交互；同时，该处理设备可以满足将训练好的岩性预测模型进行移植到设备上，实现移动端进行随钻实时岩性智能识别时实现权利1至6任一所述方法。

9.一种存储介质，将计算机程序保存在存储介质中，通过核心控制器对计算机程序进行调用时实现权利要求1至6任一所述方法。