智能钻进技术是进行煤矿瓦斯防治无人化和提高煤矿钻机设备智能化的基础,而煤岩识别又是智能钻进技术的关键环节。传统煤岩识别主要依靠司钻人员通过钻速和返渣等特征对所钻岩层性质进行判别,自动化程度低,劳动强度高,识别精度严重依赖于经验,更重要的是煤矿灾害随时可能威胁到现场司钻人员的生命健康。为此,本文在国家重点研发计划“井下瓦斯防治无人化智能钻进技术”的支持下,开展煤矿钻机智能钻进过程中煤岩识别方法研究,其主要研究内容如下:（1）建立钻柱系统钻进破岩仿真模型。为了在钻进过程中得到不同煤岩层特征,基于基本假设和岩石本构模型,建立钻柱系统钻进单一煤岩层仿真模型。同时,为了反映煤矿井下地层实际分布形式和构建验证煤岩识别模型泛化性的测试集,建立复合煤岩层钻进仿真模型。（2）进行钻柱系统钻进破岩机械比能和钻进速度特征分析。通过分析PDC钻头钻进破岩过程,推导了钻进参数与所钻煤岩层物理力学属性之间的公式。基于此,分析了单一煤岩层钻进仿真结果,研究机械比能和钻进速度在不同钻进参数下钻进不同煤岩层的变化规律。同时,对比钻进单一煤岩层和复合煤岩层仿真结果,发现两者的机械比能和钻进速度变化规律是相似的。因此,复合煤岩层特征可以作为数据测试集,以此验证煤岩识别模型的泛化性能。（3）进行钻柱系统钻进破岩振动信号特征分析。通过分析钻柱系统振动信号产生原因,发现钻柱系统钻进松软煤层时,振幅小且钻进平稳,钻进硬岩层时,振动剧烈且容易跳钻。综上,对振动信号进行时域和频域分析,时域上三种煤岩层的峰值和波形因子等指标具有一定的区分度,频域上煤层有明显的特征峰,砂岩层在高频段分布更为密集,幅值更大。由此,可提取主频和频谱集中程度等频域特征与时域指标一同作为煤岩识别模型的数据集。（4）开展多特征煤岩识别模型对比研究。根据特征数据离散且量级相差较大的特点,选取无需数据前处理的算法（决策树、随机森林和梯度提升决策树）构建煤岩识别模型并进行对比研究。训练结果显示,基于机械比能的识别模型对煤层和泥岩层识别不准确、基于振动信号的识别模型对泥岩层和砂岩层识别不准确,且两者对单一煤岩层的识别准确率低于85%,对复合煤岩层识别准确率低于80%。针对单特征模型识别准确率低等不足,建立多特征（钻进速度、机械比能、振动信号）识别模型,训练结果显示,多特征模型比单特征模型在单一煤岩层识别准确度上提高了12%,且识别复合煤岩层的准确度达到了86.7%,说明该模型具有一定的泛化性,适用于煤矿井下不同分布形式的煤岩层。同时,对比模型评价指标,发现基于随机森林算法的多特征模型煤岩识别效果好于决策树模型和梯度提升决策树模型。