Этап №1 “Накопление базы данных, обработка, сортировка, разметка. Разделение рейсов по успешности прохождения, определение проблемных рейсов, выявление и сортировка причин появления предаварийных и аварийных ситуаций. Подготовка данных для обучения нейросети. Доработка алгоритмов нейросети. Разработка конструкторской документации на систему управления станка. Сборка комплекта оборудования. Монтаж комплекта на буравом станке.” (промежуточный)

Актуальность и цель исследования: Настоящая научно-исследовательская и опытно-конструкторская работа (НИОКР) направлена на создание прототипа интеллектуальной системы управления процессом геологоразведочного бурения. Основная цель заключается в разработке программно-аппаратного комплекса, способного в режиме реального времени анализировать телеметрические данные, прогнозировать развитие бурового процесса, идентифицировать риски возникновения негативных сценариев и формировать управляющие воздействия, аналогичные решениям опытного оператора. Объект и методы исследования: Объектом исследования выступают динамические процессы, возникающие при колонковом бурении в ходе геологоразведочных работ. Основной задачей текущего этапа являлась разработка и обучение нейросетевых моделей на основе ранее собранного и обработанного массива данных. Проведены экспериментальные исследования с использованием виртуального моделирования бурения на различных архитектурах нейронных сетей для выбора наиболее оптимального варианта, а также испытания разработанного программного прототипа. Внедрение первоначально осуществлялось на лабораторном стенде, с перспективой последующего применения на промышленных буровых установках. Основные результаты и их практическая значимость: В ходе выполнения заключительного этапа НИОКР были получены результаты, имеющие существенное практическое значение для дальнейшего развития проекта и отрасли в целом: Разработана и обучена нейросетевая модель, способная генерировать рекомендации по корректировке параметров бурения для оператора. Это решает проблему отсутствия формализованных методов классификации параметров бурения для определения оптимальных управляющих воздействий. Проведены комплексные эксперименты по бурению как на физическом стенде, так и с использованием ретроспективных данных, что позволило валидировать подходы и модели. Осуществлен сравнительный анализ различных нейросетевых архитектур для решения поставленных задач прогнозирования и управления, и на его основе сделан выбор наиболее эффективной модели (CatBoost с кастомизированной функцией потерь). Испытана работа программного обеспечения на прототипе роботизированного комплекса, управляющего ключевыми исполнительными механизмами бурового станка (насос, вращатель, регулятор осевой нагрузки) через компьютер Dexp atlas h389, размещенный в защищенном исполнении. Разработана конструкторская документация на внесение изменений в гидравлическую схему станка. Приобретено и установлено оборудование. Эффективность и перспективы внедрения: Внедрение разработанных технологий автоматизированного бурения и интеллектуального анализа данных позволило продемонстрировать потенциал для достижения значительных улучшений производственных показателей: Увеличение скорости проходки и общего темпа бурения за счет оптимизации принятия решений и сокращения времени выхода на рабочий режим. Повышение эффективности эксплуатации оборудования благодаря снижению аварийности и минимизации простоев. Снижение расхода породоразрушающего инструмента и топлива за счет работы в оптимальных режимах. Существенное повышение автономности буровых операций, способности системы адаптироваться к изменению характеристик разбуриваемых пород и проактивно нивелировать риски аварийных ситуаций. Хотя на данный момент система используется на геологоразведочных предприятиях преимущественно как инструмент сбора и обработки телеметрии, реализация функции обратной связи в реальном времени открывает широкие перспективы для ее масштабирования на различные типы станков колонкового бурения как в России, так и за рубежом. Применение данной технологии актуально для геологоразведочных компаний, горнодобывающей промышленности и геотехнической инженерии, способствуя снижению себестоимости бурения, повышению рентабельности и конкурентоспособности предприятий. Заключение и направления дальнейших работ: Задачи текущего этапа НИОКР решены в полном объеме. Полученные результаты подтверждают целесообразность продолжения работ, в частности, проведения опытно-промышленных испытаний. Дальнейшее развитие системы предполагает интеграцию технологий машинного зрения для анализа керна, непрерывное совершенствование наборов данных для обучения нейросетей и алгоритмов, а также улучшение пользовательских интерфейсов и элементов управления для бурового персонала.