随钻测量技术在矿业领域发展现状

王鑫瑀，曹鹏飞

(河北钢铁集团矿业有限公司，河北 唐山 063000)

钻孔和爆破是露天矿开采过程中的重要工序。对于大型露天矿山，钻孔和爆破作业的成本约占到总成本的15%，而且爆破效果的好坏还会对后续铲装、运输、破碎等环节的生产效率造成直接的影响。因此，为了优化爆破效果和降低生产成本，深入了解钻孔和爆破作业是非常有必要的。

影响钻孔和爆破效率的因素有很多，其中有些因素是可控的，如钻孔深度、孔距、炸药类型、装药量、堵塞、起爆方式；而有些因素则是不可控的，如地形、岩体性质。钻孔和爆破的目的是破碎岩体，因此掌握岩体性质是优化爆破设计，提高最终爆破效果的有效途径。

矿山开采过程中遇到的岩石性质差别很大，即使是在同一个矿区，相隔不远距离，岩石材料强度和结构也会存在较大的差异。为了获取矿区内岩体性质，传统的方法通常是钻孔采集矿区内若干区域的岩芯，然后回到实验室进行测试和分析，以获取矿区内岩石的强度和结构信息，要么则是采用地球物理方法。有限的测试数据并不能完整的反映出爆区岩体的性质，并且需要花费大量时间。因此，为了更准确的获得爆区岩体的性质，MDW(Measurement-While-Drilling, MDW)技术被引入到采矿工程领域[1]。MDW技术不仅提高了岩体信息采集效率[2]，还能够为爆破工程师爆破设计提供特定的信息，从而极大的提高爆破设计的可靠性。本文对MDW技术及其在采矿工程中的运用情况进行了一个简单的介绍。

1 MDW技术简介

早在1911年，Schlumberger将电法测井技术引入到石油工业领域，最初被称为随钻测井(logging-while-drilling, LWD),当时主要的目的是为了减少钻井作业的盲目性，从而提升对油田地质和构造特征的认识。从那时起LWD技术得到了快速的发展，并增加了一些其它功能，用于提高探测能力。这一技术在石油工业领域得到了成功的运用，并在二十世纪七十年代逐渐扩展到采矿工程领域，特别是露天开采台阶钻孔，试图在钻机钻进过程中认识地下岩体的性质，如图1所示。

图1 露天矿MWD系统

早期用笔带式记录器记录钻孔过程中的各种关键信息，当时对采集数据的分析需要花费较多时间，效率较低，并且监测系统故障频发，因此并未给矿山钻孔和爆破作业带来明显的改善。然而，随着计算机计算能力的提高，以及相应分析软件的出现，使得MWD监测数据在采矿工程领域越来越受到人们的重视。地质学家可以通过计算机快速分析并建立WMD系统监测数据同岩性之间的关系。爆破工程师也能够及时获取每个钻孔的位置、深度、倾角以及岩性等关键信息。

MWD是一种测量、监测、记录钻孔参数的数据采集系统，并根据钻机关键参数反馈钻机的运行情况。钻机工作过程中记录下钻机在钻进过程中各种参数的变化信息，如钻孔深度、时间、穿透率、转速、向下推力、扭矩、倾角等[3]，对数据进行分析，从而确定地下岩体性质[4]。整个系统通过安装到钻机各个关键位置的传感器采集钻机钻孔过程中上述参数的变化信息，如图2所示。

图2 安装在钻机各个位置的传感器[5]

传感器主要有压力传感器、运动换能器以及电磁接近探测器。其中压力传感器是将向下推力、扭矩、钻进液压值传递给监测系统；运动换能器通常安装到钻杆顶部，通过电缆与钻头相连，提供钻进速度和钻进速率信息；旋转速度则是通过安装到钻头上的电磁接近探测器获得。MWD技术的主要优势包括以下几点：

(1)减少地质和地球物理调查时间；

(2)优化钻孔，并选择最佳的钻孔参数；

(3)更好的确定煤层的厚度；

(4)优化爆破设计；

(5)改进数据报告；

(6)花费更少的时间处理监测数据。

2 MWD参数

大量的实践表明，很难从理论上定义岩石与钻孔之间的关系，现有的研究结果都是基于长期监测数据通过经验关系得出的。尽管如此，钻孔参数同岩性之间的关系已经得到了人们的共识，两者密切相关。由于岩石本身存在大量的孔隙、裂隙以及不连续面，即使在同一块岩石中取样也很难对岩石进行建模。此外，由于温度、围压、含水率、气体的外部因素的存在，其物理力学性质并不是一个常量。为此，Segui和Higgins[6]指出直接使用钻孔参数作为表征岩石材料性质的指标是不准确的。例如，尽管渗透率同岩石强度成正比，但也容易受到其它因素的影响，如岩体中是否存在不连续面、裂缝和孔隙。为了满足钻孔爆破作业的特殊需要，也为了适应数据采集和数据处理技术的进步，需要找到新的方法从MWD监测数据中提取有用的岩性和钻孔信息。这意味着深入了解钻孔过程，钻孔过程中所需要的能量，钻孔过程各个参数与岩体强度特性之间的关系。为此，Segui和Higgins提出将MWD参数分成3类，即测量参数、计算参数和推导参数。在钻机上，MWD系统可以直接测量的参数，如向下推力、转速、冲洗风量、振动等，计算参数包括渗透率、扭矩和比能等，推导参数则主要取决于实际工作条件，计算时需根据钻机设备以及局部岩体性质进行校正。

MWD技术中最为常见的测量参数主要是时间、深度、扭矩、向下推力、钻速和转速，其他参数如振动、冲洗介质压力或流速有时针对不同的研究需要也会被包括在内。这些参数可分为两种类型，可控的和不可控的。向下推力和钻速属于可控参数，因为这两个参数通常是由钻机操作人员来控制。渗透率和扭矩属于不可控参数，但却能更好的反映地质情况。

渗透率是岩石分类中最常用的参数，也是MWD技术中最为感兴趣的参数，早期阶段，甚至单独使用渗透率做为岩石分类指标。根据简单的物理学原理，钻头能更快的穿透较软的岩石，因此得到钻速可以作为表示岩石强度的指标。此外，选择渗透率作为参数也是由于它易于测量和分析。Scoble[7]等人在对加拿大一个煤矿进行钻孔监测研究时发现，渗透率的变化能够很好的反映出煤矸石和废煤之间的界限。扭矩也被认为是能反映地质情况的参数。有研究表明，扭矩会随着岩石强度的增加而增加，回归分析显示，扭矩和抗压强度之间有很强的正相关关系。

向下推力作为可控参数，一般不会作为岩石分类的指标，经常会没人们所忽略。然而，有研究表明向下推力[8]会随着岩石强度的增加而增加。与向下推力一样，转速也并不常用作为岩石类型的指标。

3 钻孔与岩体之间的关系

使用MWD技术识别岩石性质最常用的方式就是利用Spercific Energy方程。1965年R.Teale[9]提出了“比能(Specific Energy, SE)”的概念,其主要表示的是破碎过程中能量和体积之间的关系，定义为挖掘单位体积岩石需要的能量。一般可以表示为：

(1)

式中，F为向下推力，T为扭矩，N为转速，A为开挖面积，u为渗透率。Teale的研究结论是，在所有岩石类型中，最小SE都是恒定的，并且它与抗压强度之间存在很好的相关性。Jain[10]和Dunn[11]都在工程中使用SE作为岩石抗压强度和可钻性的评价标准，并获得了较好的效果。此外，很多研究人员还使用SE来表征岩体性质。美国矿业局的一项研究也表明，钻孔SE的变化与岩石条件的变化具有较好的相关性。

另一个同样重要的岩体指标参数也是基于过去一些研究人员的研究结论，他们为牙轮钻机系统提供的一些钻进公式。研究表明，钻速随钻头重量和钻速的增大而增大，随岩石强度的增大而减小。1975年，Mathis[12]计算得出施加在钻头上的重量(W)与渗透率(PR)之间的比值，这一比值称为岩石的质量系数(Rock Quality Index, RQI)，一般用来反映岩石的质量。

RQI=W/PR

(2)

对于RQI来说，输入参数的准确性是RQI[13]作为岩石表征指标参数的关键。大量实测结果表明，相邻钻孔的RQI变化率大多在25%～40%之间，这些变化不仅是由于岩石质量的变化，还取决于现场技术人员在记录作业参数时严谨性。为了消除人为干扰和不确定性，研究人员使用钻孔参数记录仪作为估算RQI的工具。值得注意的是，尽管钻头制造商声称正常情况下，钻头在使用寿命结束前不会出现任何渗透率下降的情况，但实测RQI结果否定了这一说法。考虑到钻头磨损和钻头类型，必须慎重计算RQI数据。研究人员对在煤矿和硬岩矿山服役的一些钻机进行了监测，结果表明RQI不仅能够将钻机性能与岩性变化联系起来，而且还与爆破中的能量因子有关，RQI值增大，能量因子也随之增大。

通常，矿山会将岩石识别软件输出的可爆性指数与矿山现有地层模型进行比较。如果矿山地层模型与可爆性指数相匹配，则会将岩石类型分配到相应的层位。如果不匹配，则将WDM数据分析得出结果替换原有地层参数，从而对模型进行更新。这样基于WMD技术的岩性识别数据就可以取代传统的地球物理测试方法。

4 MWD技术应用

随着MWD技术引入到采矿工程领域，其最初的目的是在爆破作业前对岩体性质进行表征，从而提高作业效率。将物探数据、地质记录数据和MWD监测数据集成到一起，就能够生成岩体地下结构和地质力学信息。一旦获得这些资料，就能够在矿山开采的各个阶段对遇到的问题进行分析。因此，MWD技术在矿体轮廓圈定、岩体性质评估、爆破优化、支护设计、矿山规划、设计和生产控制等方面都有着广阔的应用前景。

Schoble[14]采用MWD技术监测某露天煤矿爆破孔钻进过程中的钻机相关数据，并使用SE与矿区原始地层信息进行了比较。他们的研究结果表明向下推力与岩石性质的变化有很好的相关性，向下推力在钻速和扭矩不变的情况下起着关键作用。对钻进过程相关数据的监测，为爆破设计前获得详细的地质信息提供了一种新的途径。

牙轮钻头由于其成本效应高，因此在采矿工程中得到了广泛的应用。然而在收集现场、井下信息方面可能存在一定问题，包括地质变化、提钻、卡钻、钻头磨损和钻机操作不当，缺乏这些信息会导致钻孔效率下降。Naganawa[15]提出监测钻头轴向振动来反映牙轮钻头工作状态，他们发现随着钻头磨损，钻头振动频率的峰值会逐渐向高频范围移动。在此基础上，建立了牙轮钻头轴向振动动力学模型用于评价钻头的磨损情况。其中，包括钻头运动的动力学模型和钻头岩石相互作用模型。通过钻头轴向振动模拟结果与现场实验结果的对比，验证了该模型的有效性。从而确定钻头的合适更换时间，保证钻机高效运行。

Copper[16]提出了一种钻头磨损程度的评估方法，通过对钻头实际钻进性能和理论性能的比较，基于钻头状态，来认识现场工作条件和计算岩石强度。他们认为如果MWD系统能够实时的采集现场数据，并计算得到岩石强度，就能和此前测井得到的岩石强度进行比较。

Vardhan[17]研究采用钻孔过程中的产生的声音信号估算岩石的抗压强度。他们在室内使用小型气动式钻机进行试验，结果显示由于地层的差异，同类型钻机产生的噪声也不同。因此，声级变化可以反映岩石类型，基于此可以选择合适的炸药类型并改进爆破设计。研究发现，低频范围内的声级是由活塞与钻具以及钻具与岩石之间相互左右引起的。钻机排气产生的声级频率范围为125Hz～2kHz。此外，他们还发现再噪声频谱中高频段推力和声级之间存在直接关系。但是，他们的实验是在实验室内进行的，现场环境条件下，会有其它声音信号进行干扰，声音信号是否能够反映现场实际情况，还需要进一步的研究。Schunesson[18]在研究中为了建立MWD数据与某种类型岩石性质之间的关系，在MWD数据中剔除了工作人员和钻孔控制系统的影响。他们严格的对现场数据进行校准，即采用钻孔取芯、切割分析、地球物理记录、钻孔电视以及目测的方式。在获得可靠的数据后，采用统计的方法确定岩石边界，甚至根据校准后的数据确定裂缝位置，其目的是把矿石边界与废石区分开。然而，他们在使用统计学方法分析MWD海量数据以区分不同的岩石类型时，发现数据中只有最坚硬的岩石清晰可见，其它类型岩石混合在一起，很难准确识别。Beattie[19]使用BP神经网络也得出了相似的结果。研究表明适用于硬岩环境下的岩石分类并不适用于软岩环境。

Thompson[20]为了评价钻头性能，比较了钻孔监测参数和地层性质，绘制出爆区岩体软、硬区域，并以此调整爆破设计炸药能量分布。Schunesson[21]尝试使用MWD监测数据来对隧道工作面进行RQD分类。尽管表征土壤特性需要大量的参数，一些研究人员已经开始尝试使用钻孔参数来确定土壤特性。

5 结 语

随着MWD技术采矿工程领域的广泛应用，特别是在露天矿山钻孔过程中MWD技术普及，不仅提高了钻机生产率，为后续爆破设计提供了依据。MWD技术在不影响矿山正常生产的情况下，能够快速、合理、经济的认识和描述岩体的性质。MWD与传统测试方法相比，MWD技术非常适合钻机基本性能监测、消耗品追踪以及钻机维护。

尽管在许多情况下，钻孔过程中的SE与岩石性质的变化密切相关，但如果要了解岩石的相对强度值，使用SE作为表征参量在一定条件下是可行的。RQI是表征岩体性质的一个有用的指标，但是RQI不仅对于岩体性质的变化敏感，还受到人工操作和钻头条件的影响。

利用现有地球物理和地质解释技术，并将它们与WDM数据相互关联，可以为快速、高分辨率地反映岩体状况提供一种新的途径。WDM技术在顶板条件、矿体轮廓确定、煤岩界面验证、地质填图、区域岩石强度探测和爆破设计等领域已经取得了成功的应用。然而，在此基础上，将WDM技术全面用于矿山规划和设计，从而提高生产率还需要对MDW数据更好的解释。