岩石硬度是矿山建设与生产的重要参数之一,对矿山开采工艺选择、设备选型以及爆破参数设计起到重要作用。利用潜孔钻机钻进参数快速预测岩石硬度,明确沿炮孔轴向的岩石硬度分布情况,对炸药单耗量、装药间隔位置等爆破参数选择具有指导作用,进而改善爆破效果,降低生产成本,同时也充实矿山地质信息,对智能化钻机的研制以及矿山开采的数字化、智能化建设具有重要意义。通过对KQG150Y潜孔冲击钻机的结构与其工作方式的分析得出与岩石硬度密切相关的钻进参数指标。运用设计的钻进参数采集系统对大明山石灰石矿潜孔钻机的钻进参数进行样本数据采集,采用最小二乘曲线拟合、逐步回归法以及BP神经网络对岩石硬度预测进行分析研究并建立五个岩石硬度预测模型,并对模型的拟合结果与预测效果进行分析比较。研究表明：在岩石硬度预测模型中,以冲击频率为自变量的岩石硬度预测模型拟合优度很高但预测能力很弱。以回转扭矩、凿岩速度为特征向量的BP神经网络模型具有良好的泛化能力,预测效果能够达到预期要求。运用BP神经网络方法能够实现岩石硬度快速和准确的预测,为大明山石灰石矿爆破设计提供基础数据,为露天开采中的岩石硬度预测提供方法借鉴。