巖石破壞過程實時監測預警軟件系統
——搭建與初步應用

宋清蔚 朱萬成 徐曉冬 張鵬海 陳承楨 劉溪鴿

(1.東北大學資源與土木工程學院,遼寧 沈陽 110819;2.東北大學巖石破裂與失穩研究所,遼寧 沈陽 110819)

開采引起的冒頂片幫、巖爆等災害均為巖體內部損傷積聚誘發的失穩現象,但由于現場環境的復雜性及不可控性特性的存在,使得直接獲取其失穩機制及損傷破壞規律變得十分困難,借助于室內巖石力學實驗開展巖石損傷與失穩破壞特性的研究,將為指導礦山災害的預測預警提供重要的理論基礎。巖石損傷與破壞的預測預警是巖石力學的基本問題,同樣也是巖石力學領域的百年未解問題[1],其研究成果可為礦山災害預測預警提供理論基礎。為推動相關研究進展,趙陽升院士舉辦了“巖石破壞短臨預報”競賽,通過限制傳感器數量及隱藏加載機應力狀態,模擬礦山現場監測手段受限給預測預警工作帶來的不便,要求借助于有限的監測數據,實現巖石破壞時間、區域及能量的預測預警。此后,國內大量科研院校投入到相關研究之中,掀起了巖石失穩破壞預測預警的研究熱潮[2]。

巖石在載荷作用下的變形特征是巖體失穩破壞的直觀表現,學者們借助于應變傳感器感知巖石表面的細微應變,開展了巖石失穩預測預警的研究。諸如張超等[3]基于巖石基本變形特征,建立了一種巖石全應力—應變曲線統計損傷本構模型,為預測巖石失穩情況提供了一定參考。XU 等[4]使用分布式光纖應變傳感器觀察了單軸壓縮下圓柱形花崗巖試樣失效過程的動態應變響應,通過實驗過程中應變數據分析,能夠合理地確定巖石破壞區域位置,能夠提供巖石失穩的前兆信息。

數字圖像數據通過計算機視覺技術處理,可實現試樣全局的位移場和應變場的反演。李建旺[5]對巖石破壞過程中裂紋孕育演化規律及分布模式進行了研究,采用數字圖像技術等研究了單軸壓縮條件下含雙裂隙類巖石試樣破壞全過程,得到了試樣破壞過程中觀測面全場應變和位移的演化過程及裂紋發展、微破裂數等特征,對預測預警巖石破壞有參考價值。SONG 等[6]用數字圖像相關方法觀察了砂巖試樣的損傷演化和裂紋擴展,通過單軸壓縮實驗,可以同時獲得位移場和應變場,直觀地顯示巖石變形和開裂的分布、模式和演化過程,研究結果為預測預警巖石在壓縮作用下的損傷演化提供參考。

巖石損傷與破壞過程會產生聲發射現象[7]。聲發射設備可以監測巖石破壞過程中巖體內部的微破裂情況,其參數多是基于傳感器接收波形的統計參數,往往具有多樣性和相互關聯性特點,許多學者在此基礎上開展了研究。ZHANG 等[8]對3種類型的鹽巖在不同加載條件下的聲發射特性進行了分析,研究了幾種巖石的聲發射事件數和能量的變化規律,結果表明聲發射事件數和能量能夠有效地預測巖樣的損傷與破壞。張鵬海[9]進行了大量聲發射實驗,最終指出不同應力水平下巖石的聲發射參數特征可以描述損傷程度和預警巖石失穩破壞。

綜上,目前已經有大量學者采用多種手段實現了巖石失穩的預測,但這些傳統的方法往往借助于設備配套的數據采集軟件,不同種類數據之間存在明顯的孤島現象,導致數據融合分析比較困難,另外也無法實現實時數據處理,難以實現對巖石失穩破壞的實時預警。因此有必要開發一套系統,打破數據孤島,實現數據融合,基于監測數據進行巖石損傷破壞過程的實時預警。基于此,本研究借助于應變監測、聲發射監測及散斑監測等手段,采用Lab VIEW 二次開發方式,研發了集監測數據實時采集、處理、預警等功能于一體的巖石破壞短臨預報系統,打破了不同監測設備間數據孤島困境,實現基于多元異構監測數據融合下預測預警巖石失穩破壞。

1 軟件系統功能

1.1 軟件系統架構

按照巖石失穩破壞預測預警的流程,將系統劃分為“端”、“邊”、“云”3 層架構,如圖1所示。其中,“端”表示的是監測設備終端,包括動態應變儀、聲發射采集儀、相機等力學響應實時監測設備,用于感知巖石變形破壞過程中的實時多元力學響應。“邊”表示邊緣計算,主要用于數據的智能分析自動處理,是系統的核心內容,包括經驗公式力學參數估計、體應變拐點計算與判斷及巖石失穩破壞實時預測三大模塊,將在下文進行詳細介紹。“云”表示的是應用層,用于監測數據的可視化展示并實時更新預測信息。應用層主要包括PC 端應用程序和網頁在線云端界面,云端界面主要將監測數據和預測信息在網頁進行展示,并能實現實驗過程重放,便于分析失穩破壞過程。PC 端應用程序功能全面,能夠將多元異構數據進行集成,并將應變數據、聲發射數據、數字散斑圖像數據分別進行展示。“云”、“邊”、“端”之間通過HTTP、WebSocket 等數據傳輸協議的方式進行數據通信。

圖1 系統架構Fig.1 System architecture

1.2 “端”——多元感知設備

“端”由多種監測設備組成,負責對加載過程中的巖石試樣進行監測。實驗系統由加載系統、應變監測系統、聲發射監測系統、數字散斑監測系統組成,系統示意如圖2所示,主要由動態應變監測系統、聲發射監測系統及散斑處理系統組成。

圖2 實驗系統示意Fig.2 Schematic diagram of experimental system

各系統詳細設備型號如下:

(1)動態應變測試系統。采用以DHDAS 型動態應變儀為數據采集儀的應變檢測系統,可實時監測橫向應變、軸向應變等。

(2)聲發射監測系統。采用美國物理聲學公司研發的PCI-2 型聲發射監測系統,可實時監測聲發射事件數、振鈴計數、波形等參數。

(3)散斑處理系統。采用以EOS 90D 相機為數據采集設備,可以捕捉巖石試樣表面離散斑點的圖像,基于圖像分析獲得試樣表面的變形。

1.3 “邊”——邊緣計算

從測試設備“端”采集到的數據全部傳輸到“邊”中進行處理,邊緣計算是本研究中數據處理的重要部分。“邊”部分主要包括設備接入、邊緣計算、數據集成3個內容。

本研究中監測的數據主要包含應變數據、聲發射數據、數字散斑數據。其中應變數據作為預測的主要數據依據,通過應變數據計算出體應變拐點(即擴容點),進一步可以通過體應變拐點估算巖石的破壞時間、破壞能量等預測信息。聲發射數據作為預測預警的輔助手段,通過振鈴數、累計聲發射能量等數據可以輔助預警巖石的失穩破壞。根據數字散斑數據可以確定巖石的破壞模式,通過噪聲去除、稠密光流法計算,可以得到位移和應變場信息,從而預測巖石的破壞模式。本研究采用邊緣計算的方法實現上述過程,計算內容主要可分為力學參數經驗估計、體應變拐點計算與判斷、巖石失穩破壞實時預測3個部分。

1.3.1 力學參數的經驗公式估計

若想實時預測預警巖石的失穩與破壞,最直觀的方式是動態監測實驗過程中試樣的應力狀況,結合巖石的峰值強度,初步對試樣損傷破壞狀態做出判斷。從單軸壓縮實驗的角度出發,應力是通過應變與彈性模量計算得到。應變值可以通過動態應變儀實時測量獲取,只需要獲得巖石的彈性模量就能實時估算應力,而巖石的彈性模量、峰值強度無法直接測試獲得。TEYMEN 等[10]對6種不同的巖石開展了單軸壓縮實驗,通過回歸方法分析了里氏硬度與峰值強度、彈性模量之間的關系,結果表明里氏硬度與兩者之間存在強相關性。GOMEZ-HERAS 等[11]對29種不同的巖石進行了波速、里氏硬度的測試,同時開展單軸壓縮實驗測試巖石試樣的峰值強度,再結合其他文獻中的數據用擬合的方式總結了波速、里氏硬度與峰值強度之間的關系。上述文獻表明巖石的峰值強度、彈性模量與里氏硬度、波速等參數具有強相關性。在此基礎上,對本研究中用到的紅砂巖進行了單軸壓縮實驗,對巖石里氏硬度、波速進行測量,便可估算巖石的彈性模量和單軸抗壓強度,結合峰值強度可初步判斷巖石所處階段。

彈性模量與波速之間的關系為

式中,E為彈性模量,MPa;c為波速,m/s。

峰值強度與里氏硬度之間的關系為

式中,σc為峰值強度,MPa;Hl為里氏硬度。

1.3.2 體應變拐點計算

通過對實時應變數據的處理,獲得體應變—時間曲線,并實時計算體應變拐點。

軸向應變、橫向應變與體應變之間的關系為

式中,εv為體應變;εy為軸向應變;εx為橫向應變。

由于實驗過程中實時采集到的應變數據存在波動,為了識別體應變拐點,利用以下方法,對應變數據進行實時處理與分析。

步驟1:針對動態獲取的體應變序列εv,以及當前時刻獲取的體應變值εv(t) ,構建以時間t為索引終點,l為動態集合S的索引長度,具體如下式:

步驟3:臨時體應變拐點動態存儲在集合P中,如果當前集合P不為空,則根據當前時刻獲取的體應變值εv(t) 來對臨時體應變拐點集合中的值進行失效判別,并定義臨時體應變拐點失效判別集合T,如下式所示,其中n為動態插入臨時體應變拐點后集合的長度。

步驟4:設定失效次數容忍閾值r,實現臨時體應變拐點集合P與失效判別集合T的合并,得出最終的體應變拐點判斷集合Q。

步驟5:從集合中選出體應變拐點的值。

最終得到的V即是體應變拐點。

1.3.3 巖石失穩破壞實時預測

完成體應變拐點計算后,便可實現加載速度、破壞時間等失穩破壞關鍵參數的計算,具體計算方式如下:

(1)加載速度計算。通常在進行實驗的時候,加載系統的加載速度是提前設定好的,本研究為了更加接近實際巖石失穩破壞的情況,用到的全部數據都將依靠有限的條件來計算獲得。一旦達到體應變拐點,將根據體應變拐點對應的軸應變計算總位移量,并結合對應加載時長確定加載速度。

式中,v為加載速度,mm/s;H為巖石試樣高度,mm;εy為體應變拐點εv對應的軸向應變;t為體應變拐點對應的加載時長,s。

(2)峰值強度估算。巖石的體應變拐點被認為是預測預警信息的轉折點,可以根據體應變拐點對巖石的峰值強度進行估算。峰值強度是巖石失穩破壞最直觀的參數,當到達峰值強度后,巖石即將發生失穩破壞。在通過經驗公式初步預測巖石的峰值強度之后,隨著實驗的進行、應變數據的采集,可以根據拐點體應變實時更新峰值點軸向應變與峰值強度。

式中,εy為體應變拐點對應的軸向應變;εymax為估算的峰值點軸向應變;σcmax為估算的峰值強度,MPa;E為彈性模量,GPa;k為擴容起始應力與宏觀抗壓強度的比值,通常在60%～80%之間[12]。不同巖石的特征應力值[13]見表1。

表1 不同巖石擴容點起始應力匯總Table 1 Summary of initial stress at different rock expansion points

(3)破壞時間估算。巖石到達體應變拐點,估算出峰值強度之后,就可以根據巖石試樣的尺寸對總體加載時間進行估算,也即巖石試樣破壞時間。

式中,T為估算的破壞時間,s;H為巖石試樣的高度,mm。

(4)破壞能量估算。根據體應變拐點實時估算出巖石的峰值強度之后,再結合試樣的體積就可以實現對巖石破壞應變能量的估算。根據體積和估算的峰值點軸向應變與峰值強度計算破壞能量。

式中,U為估算的破壞能量,J;V1為巖石試樣體積,m3。

(5)破壞模式預測。試樣的變形在散斑圖像上表現為像素的移動,所以可以通過監測試樣表面散斑像素移動的方式來預測試樣的破壞模式。在實驗過程中,試樣所處光照環境穩定,光源噪聲干擾很少,因此非常適合用光流法來檢測試樣表面的位移。為了提高光流法的檢測效果,在試樣上繪制散斑來加強光流信息的捕捉。本研究直接采用基于梯度的Farneback 光流法[14]計算試樣表面的變形情況,通過試樣上的散斑點捕捉到光流信息來計算位移。然后,再通過Sobel 算子[15]進一步計算得到應變場,即可反映出試樣發生變形局部化的位置,據此可以預測試樣的破壞模式,如圖3所示。

圖3 散斑預測結果與巖石試樣實際破裂情況Fig.3 Speckle prediction results and actual fracture of rock samples

1.4 “云”——云端集成

云端集成界面如圖4所示,主要分為按鈕操作區域(圖4 中①)和多元異構數據實時顯示區域。其中,數據顯示區域包括初步估算(圖4 中②)、應變數據顯示(圖4 中③)、聲發射數據顯示(圖4 中④)和散斑處理結果顯示(圖4 中⑤)。

圖4 軟件系統云端集成界面Fig.4 Software system cloud integration interface

實際操作上,在準備工作完成之后,開始進行系統設定準備。點擊【設置】按鈕,將彈出參數設置頁面,在該頁面中需要輸入的項包括:巖石的巖性、里氏硬度、波速、巖石的規格、平整度、實驗編號以及本機IP。當巖石的基礎參數輸入完成后,需點擊保存按鈕對數據進行保存,否則會影響后續設備數據采集。

當參數輸入完成后,即可點擊【開始】按鈕,各監測設備將開始采集數據,屆時只需持續觀察系統界面的各種信息即可。

1.5 云邊端協同通信模塊

為了對監測數據進行實時處理,數據的實時傳輸是必須要保證的。本研究打通了“云”、“邊“、“端”之間的協同通信,保證了系統預測預警的實時性。從“端”出發,首先實現數據的實時獲取,再依次將數據傳送到“邊”中進行處理,最終將結果在“云”中進行展示。系統運行數據流如圖5所示。圖5 中,從下往上依次為“端”、“邊”、“云”組成部分,從數據處理的角度來看,依次為“數據獲取”、“數據處理”、“數據展示”。首先,動態應變儀和聲發射采集儀將實時監測到的應變和聲發射數據通過HTTP 數據傳輸協議發送到數據處理模塊;EOS 90D 相機采集到的散斑數據,則通過EOS Utility 工具傳輸到數據處理模塊。其次,在數據處理模塊中,3種數據分別按照對應的算法進行處理。最后,通過WebSocket 數據傳輸協議將應變和聲發射數據發送到數據展示模塊;散斑圖像數據則由數據展示模塊通過C#.NET-FileSystemWatcher監測文件處理情況直接獲取。

圖5 系統運行數據流示意Fig.5 System operation data flow diagram

2 驗證實驗

2.1 實驗準備

選取紅砂巖試樣進行單軸壓縮實驗,試樣的尺寸為150 mm×150 mm×300 mm。實驗前,在試樣表面繪制散斑圖案,安裝應變片、聲發射探頭(具體位置如圖6所示),調整相機位置準備拍攝散斑圖像,對試樣的里氏硬度、波速進行測量(如表2所示)。

表2 試樣的里氏硬度和波速Table 2 LEEB hardness and wave velocity of samples

圖6 巖石試樣及傳感器布置Fig.6 Rock sample and sensor layout

2.2 實驗結果

常規力學實驗的結果分析,通常以應力—應變曲線中不同應力水平作為切入點,本研究從預測預警的角度出發,以時間作為切入點,分析加載過程中的實驗數據。選擇加載過程中7個標志性的時間點,分析對應時刻的實驗數據,如圖7所示。

圖7 巖石試樣的應力—應變曲線Fig.7 Stress-strain curve of rock sample

限于篇幅,選取1 塊試樣,對其整個加載過程中實時監測情況進行分析。本次加載時長共701 s,試樣在加載到670 s 時破壞。加載過程系統信息總覽如圖8所示。

圖8 軟件系統測試信息總覽Fig.8 Overview of software system test information

實驗開始之前(圖8 中A點),在輸入了里氏硬度與波速之后,系統自動估算的峰值強度為13.9 MPa,彈性模量為3.37 GPa。數據顯示區域沒有實時數據,散斑區域展示的是沒有應變情況的原始圖像。

加載到199 s 時(圖8 中B點),到達彈性階段起點。從圖中可以看出,應變數據正在小幅波動,聲發射數據并無明顯事件,散斑圖片中無法看出破壞趨勢。因為還未到達體應變拐點,所以目前關于峰值強度、破壞時間等的預測均沒有參考意義。

繼續加載到529 s 時(圖8 中C點),軟件系統計算出了穩定體應變拐點,應變數據趨向于規律化,聲發射數據開始反映試樣中發生的微破裂,散斑圖片可以大致看出變形局部化趨勢。根據體應變拐點,系統實時估算出峰值強度為15.84 MPa、破壞時間為656.25 s、加載速度為0.086 mm/min、儲能為0.132 kJ。從散斑應變場可以大致估測出巖石將沿著傾斜剪切面發生破裂。此時系統界面如圖9所示。

圖9 體應變拐點時刻的測試結果Fig.9 Test results at the inflection point of volumetric strain

當加載時長來到578 s 時(圖8 中D點),從散斑應變場能夠比較清楚地看出巖石的破壞模式。此時本系統的所有預測預警內容已經計算完畢,等待加載到巖石失穩破壞為止。

當加載到預測的破壞時間658 s 附近時(圖10中E點),試樣仍然沒有失穩破壞,但從應變的數據來看,應力—體應變曲線即將發生回轉,預示著試樣即將失穩;從散斑應變場能夠看出,試樣表面已經有了可以觀察到的裂紋。

當加載到670 s 時(圖8 中F點),試樣發生失穩破壞,導致應變數據波動,出現了新的疑似體應變拐點,所以圖中以拐點體應變為基礎的預測信息也隨之發生波動。總體上,可以看出散斑應變場對破壞模式的預測較為準確,通過應變數據預測的失穩破壞時間誤差也較小。

當加載到701 s 時(圖8 中G點),聲發射數據振鈴數和能量陡增,滯后于巖石失穩破壞的時間。

從該試樣的監測結果來看,本系統在破壞時間、破壞模式方面都實現了較為準確的預測。在實驗結束后,通過對實驗數據的進一步分析,試樣的實際數據為:峰值強度為15.83 MPa,總破壞能量為0.351 7 kJ,加載速度為0.18 mm/min;預測結果為:峰值強度15.84 MPa,破壞能量0.132 kJ,加載速度為0.106 mm/min。

3 分析與討論

在巖石損傷失穩破壞預測預警研究中,以聲發射振鈴計數率及累計能率作為前兆特征來進行巖石失穩預警已得到眾多學者的肯定[16]。本研究將預警結果與聲發射振鈴計數率及累計聲發射能量釋放率的特征進行對比,以說明本系統對巖石失穩破壞預測預警的效果。

3.1 預測結果與聲發射振鈴計數率前兆對比

聲發射振鈴數能夠有效反映材料內部微破裂。在巖體穩定性分析中,振鈴數的陡增、驟降等情況,常被作為巖石破壞前的前兆特征[17]。

從圖10 可以看出,在529 s 時系統預測試樣將在656 s 時發生失穩破壞,而試樣實際在670 s 時發生破壞。在529 s 時,振鈴數并無陡增、驟降等情況出現,無法據此進行試樣失穩破壞的預警。而在試樣失穩破壞后,振鈴數才出現陡增的情況,因此本系統的預測預警要提前于聲發射振鈴數峰值的出現。

圖10 巖石破壞的聲發射振鈴數前兆Fig.10 Acoustic emission count precursor of rock failure

3.2 預測結果與聲發射能量釋放率前兆對比

巖石內部的變形局部化伴隨著能量的轉移,聲發射能量釋放率的階躍變化或平靜期被認為是為巖石失穩破壞的重要前兆特征[18]。

從圖11 可以看出,在529 s 時系統預測試樣將在656 s 時發生失穩破壞,而試樣實際在670 s 時破壞。在529 s 時和試樣失穩破壞前后,聲發射能率并沒有發生劇烈變化,而是在390 s 左右有急劇上升,如果把聲發射能量作為前兆則容易做出錯誤的預警,如此也進一步表明了本軟件系統預測預警的優越性。

圖11 巖石破壞的聲發射能量前兆Fig.11 Acoustic emission energy rate precursor of rock failure

4 結 論

以巖石單軸加載失穩破壞動態預測預警為目標,搭建了一種巖石失穩破壞過程多元異構監測數據分析軟件系統,并提出了一種巖石失穩破壞的預測預警方法,得出主要結論如下:

(1)通過Lab VIEW 二次開發的方式實時獲取實驗過程中應變片、聲發射和散斑的測試數據,采用HTTP、WebSocket 等數據傳輸協議實時傳輸數據,實現了系統的“端”、“邊”、“云”架構搭建,打破了此前測試數據孤島的困擾,并通過單軸壓縮實驗,對系統的有效性進行了驗證。

(2)與聲發射前兆信息相比,本研究提出的巖石破壞預測預警方法,能夠先于傳統上的基于聲發射振鈴數和能量釋放率的前兆特征,預測方法更為可靠,更具實際意義。

(3)由于巖石力學參數的離散性,巖石失穩破壞預測的精度依賴于數據采集的準確性,對于更為復雜的受力狀態,乃至于工程中巖體損傷破壞的預測,仍有待于深入的研究。