基于MFO-BPNN的螺旋钻机钻速预测研究.pdf

414工Vol.41No.4

2024年4月JournalofMechanicalElectricalEngineeringApr.2024

DOI:10.3969/j.issn.1001-4551.2024.04.008

基于MFO-BPNN的螺旋钻机钻速预测研究∗

11∗2344

李嘉辉,王英,郑荣跃,叶军,赵京昊,陈立

(1.宁波大学机械工程与力学学院,浙江宁波315211;2.宁波大学土木工程与地理环境学院,浙江宁波315211;

3.浙江工业职业技术学院机电工程学院,浙江绍兴312000;4.浙江易通特种基础工程股份有限公司,浙江宁波315800)

摘要:针对利用现有经验公式所建立的螺旋钻机钻速预测模型存在准确度不足的问题,提出了一种基于飞蛾扑火算法(MFO)的反

向传播神经网络(BPNN)钻速预测模型。首先,对MFO算法的基本原理进行了研究,构建了MFO算法优化BPNN的具体流程;接

着,采集了江苏无锡某施工现场钻探数据,并分析了钻速影响因素,运用小波阈值降噪、归一化和灰色关联度分析等系列方法对采

集数据进行了预处理,得到了训练和测试集;然后,将MFO算法运用于神经网络的权值和阈值训练,以代替原有梯度下降法,建立

了MFO-BPNN钻速预测模型;最后,对上述预测模型与BPNN模型、遗传算法优化反向传播神经网络(GA-BPNN)模型以及粒子群

优化算法优化反向传播神经网络(PSO-BPNN)模型的预测结果和评价指标进行了详细的对比分析。研究结果表明:运用MFO-

2

BPNN建立的钻速预测模型,其可靠性达到了91.65%,其决定系数(R)优于其他3种预测模型,3项误差指标也是其中最低的,说

明该模型的预测精度良好,适合于桩基础工程的实际应用,可为复杂因素影响下的钻速预测提供一种新思路。

关键词:螺旋钻机;钻速预测;飞蛾扑火算法;反向传播神经网络;遗传算法优化反向传播神经网络;粒子群优化算法优化反向传播

神经网络;决定系数;桩基础工程

中图分类号:TH69;TE24文献标识码:A文章编号:1001-4551(2024)04-0633-10

DrillingspeedpredictionofspiraldrillingrigsbasedonMFO-BPNN

112344

LIJiahui,WANGYing,ZHENGRongyue,YEJun,ZHAOJinghao,CHENLi

(1.FacultyofMechanicalEngineeringMechanics,NingboUniversity,Ningbo315211,China;2.SchoolofCivilEnvironmental

EngineeringandGeographyScience,NingboUniversity,Ningbo315211,China;3.CollegeofMechanicalandElectrical

Engineering,ZhejiangIndustryPolytechnicCollege,Shaoxing312000,China;4.ZhejiangYitongSpecialFoundation