买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国石油大学(华东)申请的专利一种基于多模态数据融合的钻柱振动识别及调控方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120763676B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511287098.8，技术领域涉及：G06F18/24；该发明授权一种基于多模态数据融合的钻柱振动识别及调控方法是由廖华林;石芳;吴天予;史玉才;梁智飞;杨尚奎设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种基于多模态数据融合的钻柱振动识别及调控方法在说明书摘要公布了：本发明公开了一种基于多模态数据融合的钻柱振动识别及调控方法，属于石油钻井与人工智能交叉领域。该方法利用井下钻柱的三轴振动加速度信号及其对应的三通道时频图，构建融合空间与时频信息的多模态输入。通过BiGRU与ResNet18‑SENet相结合的深度神经网络，融合注意力机制，实现对一般振动、粘滑、涡动等复杂振动模式的精准识别。进一步结合识别结果，驱动钻井参数的自适应调控，实现对钻柱振动状态的闭环控制。本发明具有识别精度高、鲁棒性强、调控智能化等优点，适用于复杂地层环境下的井下振动监测与钻井参数优化。

本发明授权一种基于多模态数据融合的钻柱振动识别及调控方法在权利要求书中公布了：1.一种基于多模态数据融合的钻柱振动识别及调控方法，其特征在于，包括如下步骤： 步骤1、同步采集多源数据形成原始三维时序信号，并对其进行等长分段； 步骤2、对原始三维时序信号进行数据处理； 步骤3、进行双通道特征提取；在时序通道，采用双向门控循环单元网络作为时序数据的一维特征提取器，提取时序模态特征；在图像通道，采用ResNet18-SENet网络作为二维特征提取器，提取图像模态特征；具体过程为： 步骤3.1、定义时间步对应的多维信号为；其中，、、分别为X轴、Y轴和Z轴三向的三轴振动信号，为降噪后的三维时序信号，为分段长度；将每个时间步对应的多维信号作为双向门控循环单元网络的输入； 步骤3.2、采用ResNet18-SENet网络提取图像模态特征；ResNet18-SENet网络包括ResNet18残差模块、SENet模块两部分；具体过程为： 步骤3.2.1、将振动时频图像作为输入送入ResNet18-SENet网络；首先通过一个7×7卷积层进行第一阶段的卷积输出；将第一阶段的卷积输出进行批归一化处理；对归一化输出使用ReLU激活函数增强非线性表达能力；随后使用最大池化缩小特征图空间尺寸； 步骤3.2.2、将池化后的特征图送入ResNet18残差模块进行深层特征提取；该残差模块包括第一残差块、第二残差块、第三残差块、第四残差块，四个残差块依次连接；每个残差块由两个残差单元组成；第一残差块包括两个串联的第一残差单元；第二残差块、第三残差块、第四残差块结构相同，均包括依次串联的第二残差单元、第一残差单元； 第一残差单元和第二残差单元均采用标准单元结构，依次进行3×3卷积、第一次批归一化、ReLU激活函数、3×3卷积、第二次批归一化，形成卷积映射输出； 经过四个残差块后，特征图的空间尺寸被压缩为张量值；其中，、均为空间维度，为通道数； 步骤3.2.3、接下来使用全局平均池化操作对每个通道进行压缩；将所有通道压缩后的特征值进行拼接，得到全局平均池化特征 步骤3.2.4、通过全连接层投影，得到最终的图像模态特征 步骤4、将时序模态特征与图像模态特征拼接，同时使用注意力权重对拼接特征自适应加权，得到加权融合特征； 步骤5、基于加权融合特征识别振动类型； 步骤6、根据识别出的振动类型与实时特征值，判断风险等级，并生成钻井参数调整指令，调控指令经泥浆脉冲或现场总线下发，完成振动调控。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。