详情

原文传递基于光声光谱积分信号的岩屑类型识别方法及系统

专利名称：	基于光声光谱积分信号的岩屑类型识别方法及系统
摘要：	本发明公开了一种基于光声光谱积分信号的岩屑类型识别方法及系统，用于识别钻探得到的岩屑。本发明提供的方法包括：利用光声光谱仪测量标准岩屑的光声光谱；对光声光谱积分处理后，得到标准岩屑光声光谱的积分信号；用标准岩屑光声光谱的积分信号对BP神经网络进行训练，得到BP神经网络结构；通过所述BP神经网络识别待识别岩屑。在本发明中利用光声光谱能够简化操作难度，通过BP神经网络识别能节省识别的时间，通过采用光声光谱积分信号对岩屑进行类型识别能提高岩屑识别的准确性。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	长江大学
发明人：	王阳恩
专利状态：	有效
申请日期：	2019-01-25T00:00:00+0800
发布日期：	2019-05-03T00:00:00+0800
申请号：	CN201910071235.2
公开号：	CN109709045A
代理机构：	武汉河山金堂专利事务所(普通合伙)
代理人：	胡清堂;陈懿
分类号：	G01N21/17(2006.01);G;G01;G01N;G01N21
申请人地址：	434023 湖北省荆州市荆州区南环路1号
主权项：	1.一种基于光声光谱积分信号的岩屑类型识别方法，其特征在于，包括： S1、利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱，其中N为不小于5的正整数； S2、将所述N种标准岩屑光声光谱对波长进行积分处理，得到N种标准岩屑光声光谱的积分信号，积分宽度应根据所使用的光声光谱仪的波长分辨率确定，但应大于等于2倍的光声光谱仪的波长分辨率； S3、选取所述N种标准岩屑光声光谱的积分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络； S4、利用光声光谱仪测量出待识别岩屑在预设波长范围内的光声光谱，并将测得的光声光谱对波长进行积分处理； S5、通过所述训练后的BP神经网络识别待识别岩屑。 2.如权利要求1所述的基于光声光谱积分信号的岩屑类型识别方法，其特征在于，所述步骤S3包括： S31、每种岩石样品取(X+Y)组光声光谱积分信号数据，其中X、Y为正整数，共N×(X+Y)组光声光谱积分信号数据； S32、取每种样品前X组光声光谱积分信号数据，N种标准岩屑共N×X组，作为BP神经网络的数据训练组； S33、每种样品后Y组光声光谱积分信号数据，N种标准岩屑共N×Y组，作为BP神经网络的数据检验组； S34、两组数据对BP神经网络进行训练、检验，得到训练后的BP神经网络。 3.如权利要求2所述的基于光声光谱积分信号的岩屑类型识别方法，其特征在于，所述BP神经网络由MATLAB实现。 4.如权利要求1所述的基于光声光谱积分信号的岩屑类型识别方法，其特征在于，所述步骤S4包括： S41、利用光声光谱仪测量出待识别岩屑在预设波长范围内的光声光谱； S42、将待识别岩屑光声光谱对波长进行积分处理，得到待识别岩屑光声光谱的积分信号，积分宽度应根据所使用的光声光谱仪的波长分辨率而定，但应大于等于2倍的光声光谱仪的波长分辨率。 5.如权利要求1所述的基于光声光谱积分信号的岩屑类型识别方法，其特征在于，所述步骤S5包括：选取待识别岩屑光声光谱的积分信号作为BP神经网络的输入值，利用所述训练后的BP神经网络对待测岩屑进行识别，得到识别结果。 6.一种基于光声光谱积分信号的岩屑类型识别系统，其特征在于，所述系统包括：采集模块：用于利用光声光谱仪测量出N种标准岩屑和待识别岩屑在预设波长范围内的光声光谱；积分模块：用于将所述N种标准岩屑和待识别岩屑光声光谱对波长进行积分处理，得到N种标准岩屑和待识别岩屑光声光谱的积分信号；训练模块：用于选取N种标准岩屑光声光谱的积分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；识别模块：用于通过所述训练后的BP神经网络识别待识别岩屑。
所属类别：	发明专利