我国煤矿多为瓦斯矿井,瓦斯灾害时有发生,对高瓦斯煤层进行瓦斯抽放是预防煤矿瓦斯灾害的主要措施,煤矿钻机作为瓦斯抽放钻孔作业的关键技术装备,对于防治瓦斯灾害、保障煤矿安全高效生产具有非常重要的意义。现阶段,我国煤矿钻机的智能化程度还相对较低,在实际的钻孔作业过程中,司钻人员往往依据钻进速度、返渣类型、返水颜色等特征来对所钻地层的煤岩类型进行判断,并依据个人经验来调整钻机的钻进参数。这不仅要求司钻人员具有较高的经验水平和较强的责任心,而且随着钻孔深度的增加,对所钻地层的判断存在较高的误判率,对钻进参数的调节也呈现一定的滞后性。因此,针对现阶段我国煤矿钻机在开展瓦斯抽放钻孔施工过程中缺乏相应的煤岩可钻性在线分级方法,本文依托于国家重点研发计划“井下瓦斯防治无人化智能钻进技术”提出了一种基于机械比能的煤岩可钻性在线分级方法,并开展了以下三个方面的研究:（1）构建了钻头—岩石力学模型。基于弹性力学、岩石破碎学,建立了钻头在压入破岩和剪切破岩两种破岩方式下的力学模型,推导出了钻进参数（钻压力、扭矩）与所钻煤岩物理力学属性（抗压强度、抗剪强度）之间的数学关系。（2）揭示了钻头在不同钻进工况下钻进不同材料时钻进速度及机械比能的变化规律。借助于有限元仿真软件ABAQUS,建立了钻头破岩仿真分析模型,对不同钻进工况下的钻头破岩过程进行了仿真分析,得到了钻头钻进不同材料时钻进速度和机械比能的变化规律。（3）提出了基于机械比能的煤岩可钻性在线分级方法。钻进参数和机械比能均与所钻煤岩层的可钻性有着密切的联系,利用人工神经网络算法可以构建钻进参数和机械比能这两类可钻性评价指标与所钻煤岩层可钻性之间的映射关系。以分级准确率和运行时间作为检验两类可钻性评价指标的泛化性以及三种人工神经网络算法学习能力的标准。结果表明:（1）机械比能的稳定性和泛化性更好。（2）极限学习机的分级准确率和运行效率更高、学习能力更强。