煤矿安全生产是制约煤炭产能的主要因素之一。近些年,虽然煤矿安全生产形势已有大幅改进,但是巷道顶板冒落、冲击地压和瓦斯突出等事故时有发生,严重威胁煤矿的安全生产,地质条件掌握不足是上述事故预防和处置的主要瓶颈,因而,对岩体力学性质的正确评价和岩体质量定量化表征是煤矿安全生产的前提。而现有的岩体力学性质和岩体质量评价方法主要采用钻孔取芯法和人工编录法,这些方法费时费力,现场不易大范围实施。因此,寻求一种新的定量化表征岩体质量,获取岩石力学参数的方法以保障煤矿安全高效生产显得日益重要。钻机在进行钻孔作业时,钻机运行参数和振动特征与岩石力学参数和岩体结构具有相关性,为实现岩体力学性质和岩体质量定量评价提供了新的途径。如何实时快速获取钻机-岩体响应信息,进而建立岩体质量预测评价模型是实现岩体质量定量评价的关键。基于此,本文采用实验室试验、理论分析、现场实践等手段开展了基于钻机响应特征的岩体质量评价研究,主要研究成果如下:（1）自主研发了钻进试验平台,揭示了钻头破岩过程中钻机响应特征,基于量纲分析理论,提出了岩石可钻性指标（Id）,建立了Id值和岩石单轴抗压强度（UCS）的关联数学模型,实现了利用随钻测量方法原位定量评估岩石UCS。研究结果表明:钻机破岩是一个多参数联动的过程,钻机破岩过程中扭矩是影响破岩效率的主要因素,给进压力次之,钻速对钻进破岩效率影响最小。通过试验验证了Id值和UCS预测模型的准确性,UCS试验值和预测值差值率平均值仅为5.71%。（2）建立了钻杆三向振动特性方程,揭示了钻进过程中钻杆的振动信号特征,设计了随钻测振装置,提出了以钻杆纵向加速度信号幅值变化区分岩层界面,以信号频谱特征区分岩体结构面/薄弱面的方法。通过开展现场测振试验验证了识别方法的可行性。结果表明横向振动信号和扭转振动信号由于冗余信号的干扰不能作为识别岩层界面的指标,而纵向振动信号幅值变化可以用于区分岩层界面变化;钻机破岩振动信号不同于爆破振动信号和岩爆信号等,没有主频,但是,通过小波包分解和频谱分析,不同特征岩体在不同频带的振动能量分布特征完全不同,可用于岩石结构特征的识别。（3）建立了岩体完整性系数Kv和岩体质量指标RQD的关联数学模型,提出了基于岩石单轴抗压强度UCS和岩体质量指标RQD的BQ岩体质量分级方法,克服了BQ岩体质量分级中参数不易获取的难题,并基于优化的神经网络模型,提出了用钻机运行参数和随钻振动信号预测岩体质量的方法。研究结果表明:利用RQD值计算得出的Kv值与实测值差距较小,可以提高BQ岩体质量分级方法的计算准确度。优化的ICA-ANN神经网络模型对比CA-ANN模型和传统ANN神经网络模型,在预测岩体质量分级时具有更高的预测精度。（4）构建了基于钻机运行参数和钻杆振动信号的岩体质量综合预测评价体系,成功应用于现场煤层厚度分布评价和围岩结构特征原位识别。以杨柳煤矿为工程背景,开展了现场工程试验,结果表明基于钻机运行参数和随钻测振信号的岩体综合预测评价体系对煤层厚度预测和巷道围岩结构分布特征预测效果较好,能为现场地质灾害防治提供基础支撑。该论文有图84幅,表38个,参考文献181篇。