旋挖钻机与冲击钻机组合在嵌岩桩施工中的应用

旋挖钻机施工工艺和正循环冲击钻机施工工艺相结合,充分发挥了旋挖钻机施工土层速度快和正循环冲击钻机施工岩层速度快的优点,从而打破嵌岩桩施工的传统工艺,为大口径嵌岩桩施工提供经验和技术参考。通过镇江市体育会展中心体育场桩基工程采用旋挖钻机施工工艺和正循环冲击钻机组合成孔工艺的成功实例,介绍了该工艺的施工技术措施及注意要点。     

南方煤田绳索取心钻进的配套问题

南方（湖南、贵州、四川、云南、重庆等）煤田在绳索取心钻进时,遇到的问题及解决办法有一定的普遍性。针对该区的地层特点,提出了合理的钻进方法及钻具配套方案;根据施工区的条件及孔深要求,进行了设备配套的研究;从研究区内事故发生的普遍性入手,摸索出一套较为合理的事故处理方案和工艺配套措施。通过多方面的研究,形成了一套比较合理的配套方案,据此方案在云贵川湘等地施工,均取得了较好的经济效益与社会效益方面。     

YGL-S100型声波钻机及其在深厚覆盖层成孔取样施工实践

为了验证YGL-S100型声波钻机在复杂地层的成孔取样效果,在向家坝水电站深厚覆盖层进行了钻孔试验。阐述了YGL-S100型声波钻机的技术特点、各项参数以及在钻进过程中的施工技术。     

洛宁程家沟-沙沟银多金属矿中深斜孔钻探技术

洛宁程家沟-沙沟银多金属矿区矿床产状陡,矿体集中,钻探设计多为分支孔,钻孔中深、斜度大。如何要在保证效益的情况下确保钻孔质量成为关键技术。通过1550 m斜孔施工实例,介绍了矿区中深斜孔钻探工艺的选择及保证钻孔弯曲度的具体措施。     

一种新型双缸互助折叠钻塔的设计思路及要点

介绍了一种新型双缸互助折叠钻塔的设计思路及要点。双缸互助折叠钻塔是为履带立轴式塔机一体岩心钻机配置的一组部件。钻塔折叠后满足运输长度,展开后满足施工高度。用双缸互助,将塔的上段翻转180?,实现塔的展开或塔的折叠。打钻前的展开、插销、起塔、塔的滑移着地,进入打钻状态,打钻结束后,塔的拆销,折叠,滑移,收、落塔,全过程的动作均为全液压驱动。达到整机方便移孔、方便运输、减少劳动力及辅助成本的目的。     

φ73 mm×5 mm薄壁摩擦焊绳索取心钻杆的研制

介绍了国内绳索取心钻杆和摩擦焊技术的现状。通过对3种深孔绳索取心钻杆连接结构和生产过程的对比,分析了薄壁摩擦焊绳索取心钻杆用于深孔钻探的优势。介绍了φ73 mm×5 mm薄壁摩擦焊绳索取心钻杆的结构设计和加工过程,提出了焊接过程的主要技术问题和注意事项。通过拉力扭矩试验得出钻杆主要技术参数,能承受的最大拉力580 kN,最大扭矩5500 N·m,建议使用深度2000～3000 m。     

绳索取心钻杆的瞬间液相扩散连接

采用瞬间液相扩散连接方法焊接绳索取心钻杆。试验表明, 瞬间液相扩散连接接头拉伸时断在45MnMoB杆体侧, 面弯和背弯180°未开裂, 且焊缝内外表面无余高, 成形美观, 满足绳索取心钻杆焊接接头的技术要求。扭转试验中, 管体首先开裂, 焊缝未开裂, 扭转强度远远高于螺纹连接扭转强度。表明瞬间液相扩散连接技术是满足绳索取心钻杆焊接要求的一种先进方法。      

工程地质钻孔信息模型及数据库研究

为了建立结构规范统一的工程地质勘察信息数据库,提出了“用户”与“系统”两级数据库相互映射的技术,把用户对数据的操作和计算机处理数据的过程分离开来。其中用户数据库面向用户的需要,系统数据库则满足信息管理的要求。在系统数据库中采用“块-层”结构的地层数据模型,对钻探区域进行了“地层层序”优化。“块-层”模型把钻探区域的“优化地层层序”作为一个基本块,针对性强,层次清晰地表达了复杂多变的地层信息,将有不同地层层序的各个钻探点统一成相同的结构,解决了在地层模型中难以表达地层翻转、缺失信息的问题,极大地方便了后续的信息处理和钻孔数据插值的进行。     

IDL在青藏铁路地理信息系统中的应用研究

GIS二次开发中通常使用的GIS组件方法,大多受到开发商限制或组件提供的扩展接口不能满足系统功能需求的限制.在青藏铁路地理信息系统中为满足应用需求,采用了"IDL+C#+ArcS-DE"的开发模式,将IDL集成到青藏铁路地理信息系统的体系结构中,并利用IDL实现了GIS的功能.最后阐述了利用IDL进行时态钻孔数据分析、处理及可视化过程和冻土模型输出结果的可视化过程.     

识别所钻地层的人工神经网络法应用

对用人工神经网络方法来解决钻探生产的实际问题, 在不取心的情况下识别所钻地层的岩性进行了研究.根据钻探生产的特点, 设计了人工神经网络的结构和输出方式, 开发了人工神经网络识别所钻地层的软件, 分析了影响人工神经网络应用效果的各因素, 在人工神经网络的优化设计方面作了较深入的研究.研究表明: 人工神经网络用于识别所钻地层有很好的效果; 人工神经网络的参数, 如学习率、隐含层层数、隐含层单元数和数据处理方式等对人工神经网络的应用效果有影响.