CN101609050B - 一种根据岩芯饼化识别地应力的智能系统 - Google Patents

Abstract

本发明公开了一种根据岩芯饼化识别地应力的智能系统，先通过数码相机获得岩芯破坏的情况，利用计算机的图象识别技术，结合岩芯饼化力学有限元的数值模拟，采用差异进化的优化方法进行破坏模式的识别，搜索到与饼化厚度一致的原岩应力状态。在原岩应力的优化识别过程中，不事先人为确定破坏形式，而是基于岩土工程广泛应用的莫尔-库仑准则获得弹性力学框架的单元安全度，在有限元中识别到单元达到极限破坏状态。本发明通过钻取岩芯的破坏模式来识别原岩应力，很大程度节省了地应力监测的成本。利用集成智能方法识别地应力克服了已有的岩芯破坏试验和先验信息不足的局限性，避免了人为判断饼化破坏模式的盲目性。适于在地应力测试领域广泛推广。

Description

一种根据岩芯饼化识别地应力的智能系统

技术领域

本发明涉及一种通过岩芯饼化识别地应力的方法和装置，尤其是涉及到一种基于自动摄像技术和电脑智能分析的岩芯饼化识别地应力的系统。

背景技术

随着我国基础建设的进行，岩石力学与工程领域的建设项目日益增多，出现越来越多的深部岩石工程，例如深部采矿工程、深部石油开采工程等。深部工程的现场地应力是决定钻井设计、施工成败和水力致裂参数的关键因素。

目前对于深部岩石工程的原岩地应力而言，现有的水压致裂法、应力解除法等常规测试方法受到限制，无法实施。在高应力环境中进行岩石取芯过程中，常常发现岩芯存在着饼状的断裂现象，这些岩饼断裂模式及饼化厚度的不同，对应着原岩地应力的不同分布规律，因此人们凭经验通过岩石取芯过程中岩芯破坏的模式来推断原岩应力。但是由于岩芯饼化的机理和影响因素比较复杂，破坏模式与岩石自身性质和应力环境状态均有很大的关系，这些原岩应力的推断方法有很大的盲目性和随意性。

发明内容

为了克服深部原岩应力监测和识别方法的不足，本发明提供了一种集数码摄像、图象识别、数值计算与优化的通过岩芯饼化模式自动推测深部原岩地应力的装置和方法。弥补传统的地应力监测方法的不足，节省可观的监测费用，具有重要的意义。

本发明解决其技术问题所采用的方案是：先通过数码摄像方法获得岩芯破坏的情况，利用计算机的图象识别技术，结合岩芯饼化力学有限元的数值模拟，采用差异进化的优化方法进行破坏模式的识别，搜索到与饼化厚度一致的原岩应力状态。这种技术方案，利用了计算机的数值计算和优化识别能力，在原岩应力的优化识别过程中，不事先人为确定破坏形式(拉伸破坏、或剪切破坏)，而是基于岩土工程广泛应用的莫尔-库仑准则获得弹性力学框架的单元安全度，在有限元中识别到单元达到极限破坏状态，则该单元破坏。具体技术内容如下：

一种根据岩芯饼化识别地应力的方法，其特征在于包括如下步骤：

a、通过收集工程地质调查数据，预估地应力范围，选择待识别的地应力变量；

b、通过摄像设备对钻取岩芯进行摄像，并对获取的图像进行识别，即识别出岩芯裂隙的间距和角度；

c、根据步骤a获取的资料信息和步骤b已识别的图像信息，建立岩芯钻取的三维有限元模型，同时施加应力边界条件，模拟实际岩芯受力状况，根据实际观测的岩芯断裂面，即饼化厚度在模型中相应的位置设置1个以上的测点，后根据上述测点是否处于破坏状态，通过下述地应力识别的有约束的优化问题的目标函数获取地应力变量：

Min{(∑_i＝1 ^Kabs(1-F_i))}

式中F_i＝min{F_si，F_ti}，其中F_i为潜在面上观测点的第i个单元的抗剪安全度F_si和抗拉安全度F_ti的最小值，K为潜在破坏面上单元个数即测点个数；

d、优化算法初始化：在步骤c的模型中所述施加应力边界条件后，对应使潜在破坏面的单元刚好破坏，将地应力变量作为差异进化算法的搜索变量，将数值计算潜在破坏面的单元安全度情况作为差异进化算法的评价值，这样将步骤c中的数值计算嵌入到差异进化算法中，设置差异进化初始参数：优化变量数目和种群数量，同时设置缩放因子F和杂交概率常数CR值；设定收敛准则：最小适应值或者最大迭代步数，进行优化搜索计算；

e、算法适应值评价：结合步骤d设定的参数，差异进化算法把每一个可能的解看成一个个体，先随机产生Np个可能的地应力变量(Np称为种群)，根据这些地应力变量，分别按照步骤c分别计算潜在破坏面单元的安全度，其中单元安全度是基于弹性力学的框架并结合摩尔库仑准则得到的，将单元安全度与1的误差作为适应值，结合步骤c中的计算公式如下：Min{(∑_i＝1 ^Kabs(1-F_i))}进行计算；

f、变异操作：缩放种群中任意两个目标向量个体之间的差值并叠加到种群中的第3个向量个体上，形成新的变量，计算公式如下：

V_i，j(G+1)＝x_r1j(G)+F(x_r2j(G)-x_r3j(G))

其中：G为第G代种群，x_i(G)为第G代中向量(i＝1，2，…，Np)，Np为种群规模，每个向量个体包含D个分量，D为空间维数，对于第G代每个目标向量，其变异向量第j分量为：公式中下标r1，r2，r3为[1，Np]中的随机整数且互不相同，F为缩放因子；

g、交叉操作：将目标向量x_i(G)与变异向量v_i(G+1)按照如下规则杂交，生成新的试样向量u_i(G+1)，计算公式如下：

式中r_j∈[0，1]为与向量第j个分量对应的随机数；CR∈[0，1]为杂交概率常数；rn_i为在1，2，…，D中随机挑选一个整数，以确保变异向量V_i，j(G+1)中，至少有一个分量被试样向量u_i，G+1采用；u_i(G+1)是变异生成的新个体；

h、选择操作：所有试样向量u_i(G+1)调用步骤e进行适应值计算，将试样向量u_i(G+1)与原来的目标向量x_i(G)比较，如果u_i(G+1)对应较小的适应值，则选择向量u_i(G+1)；反之如果，x_i(G)对应较小的目标函数值，则保留向量x_i(G)，这样得到新一代Np的个体；

i、判断是否符合最小适应值或者迭代次数的收敛准则，如果不符合终止准则，转到e继续差异进化的迭代和数值计算，如果符合终止准则，结束迭代输出识别的地应力结果。

所述步骤c中的建立岩芯钻取的三维有限元模型的具体操作如下：在模型中的岩芯直径和岩台高度对应着步骤b摄象获得的岩芯直径和岩饼厚度，模型一般取立方体，边长为岩芯直径的5～8倍。

一种根据岩芯饼化识别地应力的装置，其特征在于包括数码相机和计算机；所述计算机包括岩饼裂隙图像识别单元、岩芯饼化数值模拟单元和差异进化算法单元；所述岩饼裂隙图像识别单元，用于根据数码照片岩芯裂隙呈现的颜色的差异，识别出裂隙的间距和角度；所述岩芯饼化数值模拟单元，用于根据岩芯的尺寸和力学性质建立数值模型并进行有限元模拟；所述差异进化算法单元，用于根据差异进化算法对地应力进行优化搜索；

所述数码相机通过数据线将岩饼裂隙图像传输到计算机中，先将岩饼裂隙图像数据通过计算机内部总线传输到饼裂隙图像识别单元中，后在通过总线将识别后的数据传输到岩芯饼化数值模拟单元中，再通过总线将建立的数值模型数据传输到差异进化算法单元中进行优化搜索处理，最后通过数据线将结果通过计算机显示单元进行显示。

本发明的有益效果是通过钻取岩芯的破坏模式来识别原岩应力，很大程度节省了地应力监测的成本。利用集成智能方法识别地应力克服了已有的岩芯破坏试验和先验信息不足的局限性，利用智能优化和数值计算手段搜索岩芯破坏模式所对应的原岩地应力，避免了人为判断饼化破坏模式的盲目性。

附图说明

图1为本发明岩芯饼化的力学模型；

图2为图1的模型剖面结构示意图；

图3为本发明岩芯饼化地应力识别装置的结构示意图；

图4为本发明岩芯饼化识别地应力的差异算法流程图；

图5为本发明岩芯的数码照片；

图6-a为本发明岩芯三维模型网格结构示意图；

图6-b为本发明潜在破坏面的特征测点结构示意图；

图7为本发明实施例中差异进化的迭代曲线示意图；

具体实施方式

如图1、2所示为岩芯饼化的力学模型及模型剖面视图，在岩石力学性质测定，施工动态和非均质性因素忽略的条件下，岩芯饼化可以概化成图1、2所示的模型，模型边界应力(对应原岩应力)，岩台高度(对应岩芯饼化的厚度L2)有着非线性的对应关系(该关系一般通过数值模拟表达)，将会造成岩芯底部的应力集中程度和大小不同，从而决定岩芯是否破坏。考察图1、2岩台高度L2的岩芯底部的潜在破坏面，如果能够形成厚度为L2的岩饼，则说明该面上的点处于临界破坏状态。地应力识别基本思想是先假设一组原岩应力作为初值，用弹性数值法计算实际岩台尺寸底部的应力分布，计算与观测一致的潜在破坏面上各单元的应力状态和安全系数，并判断是否符合失效准则，直到计算破坏贯通面最接近临界破坏状态，此时的边界应力即为所求。

图3是岩芯饼化地应力识别的装置的结构示意图，该装置主要由数码相机和电脑组成。先由数码相机拍下岩芯的数码照片，然后根据岩饼裂隙图像识别单元对其进行图象识别原理，其原理是根据数码照片岩芯裂隙呈现的颜色的差异，识别出裂隙的间距和角度，即获得图2中的L₂。然后由岩芯饼化数值模拟单元根据岩芯的尺寸和力学性质建立数值模型并进行有限元模拟，有限元中引入莫尔库仑强度准则，判断破坏的单元。最后通过差异进化算法单元将数码相机观测的L2与数值模拟结果对比，进行原岩应力的搜索。差异进化算法(Difference Evolution，DE)是一种新型直接全局优化算法，与遗传算法比，该算法不进行编码和解码操作，使用上大为简化。所以差异进化算法单元主要是利用处理器根据差异进化算法对地应力进行优化搜索，以便得到真实地应力的分部情况，并通过电脑的显示单元进行显示，这里将差异进化算法单元集成在所述的电脑中。DE算法对初始值无要求，收敛速度快，对各种非线性函数适应性强，具有并行运算特性，尤其适应于多变量复杂问题的寻优。在DE算法中，所有的新个体以相同的几率被选为父代，并不依赖于个体适应度。DE算法采用贪婪选择过程，也就是在新个体及其父代个体中挑选较优的作为下一代，与遗传算法相比，具有更快收敛速度。DE算法依然保留着类似遗传算法的三种遗传操作，包括杂交、变异和选择，但无须编码解码。在构造新个体方面，DE算法主要依靠变异操作。

如图4所示该岩芯饼化识别地应力方法的具体操作步骤如下：

A01：工程介绍及确定待识别的地应力系数，通过收集工程地质调查数据，预估地应力范围，选择待识别的地应力变量。本实施例中以研究对象为某一个高应力地区，该区域曾经通过微裂隙应力试验、微塑性应变恢复等多种方法进行过地应力研究。已有研究的资料表明，该区域的地应力体系是竖直方向为最大主应力方向，数值上等于上覆岩层的自重。根据岩芯的深度及岩层的密度，水平应力和竖直应力按照国际单位制，竖直应力可以表示成如下公式：

σ_v＝22.62*H    (1)

水平主应力有待识别，以最小水平主应力系数k1和最大水平主应力系数k2为待识别的地应力变量表示如下：

σ_H＝k₂*σ_v       (2)

σ_h＝k₁*k₂*σ_v    (3)

在公式中，σ_v为竖直应力(KPa)，H为深度(m)，k₁和k₂分别为最小水平主应力系数和为最大水平主应力系数，是大于k0小于1的小数σ_h为最小水平应力，σ_H为最大水平主应力(中主应力)，k0是自重侧压力系数，可由下式求得：

k₀＝u/(1-u)       (4)

由公式5-8可知，该区域地应力体系的识别相当于识别系数k₁和k₂。

B01(A02)：岩芯钻取(岩芯数码摄像)，由于识别的参数是2个，考虑识别唯一性的问题，选取该区域两个测井的两组岩芯(前者为水平岩芯，取芯方向与最小主应力一致，深度为2907.5m。后者为竖直岩芯，深度为3200.1m。)进行数码摄像，并通过计算机图象分析，得到前者岩饼厚度与岩芯半径之比为2.11；后者岩饼厚度与岩心半径之比为1.09。

B02(B03)：建立三维数值模型，根据步骤A01获取的资料信息和步B01(A02)已识别的图像信息，建立岩芯钻取的三维有限元模型，如图6所示的两组岩芯的情况，将其分别概化建立2个三维有限元模型，其中第一个竖向岩芯的模型的剖面见图6-a所示，根据识别的岩饼厚度与岩芯半径之比为2.11，确定岩芯潜在的破坏面，在潜在的破坏面上设测点1、2、3、……9如图6-b所示。用同样的方法可以建立水平岩芯的模型。再施加应力边界条件，模拟实际岩芯受力状况，根据实际观测的岩芯断裂面，即观测饼化厚度在模型中相应的位置设置的测点是否处于破坏状态，通过下述地应力识别的有约束的优化问题的目标函数获取地应力变量：

Min{(∑_i＝1 ^Kabs(1-F_i))}    (5)

式中F_i＝min{F_si，F_ti}，其中F_i为潜在面上观测点的第i个单元的抗剪安全度F_si和抗拉安全度F_ti的最小值，K为潜在破坏面上单元个数即测点个数；在模型中的岩芯直径和岩台高度L2对应着步骤b摄象获得的岩芯直径和岩饼厚度，模型一般取立方体，边长为岩芯直径的5～8倍。其中模型计算采用的材料计算参数，通过步骤A01获得。这样就对应算法的每一个个体(即一组地应力系数)，根据前述步骤已经建立的网格、力学参数和进行数值计算。

A03：差异进化算法初始化。在步骤B02(B03)的模型中所述施加应力边界条件后，对应使潜在破坏面的单元刚好破坏，将地应力变量作为差异进化算法的搜索变量，将数值计算潜在破坏面的单元安全度情况作为差异进化算法的评价值，这样将步骤c中的数值计算嵌入到差异进化算法中，设置差异进化初始参数：优化变量数目和种群数量，同时设置缩放因子F和杂交概率常数CR值；设定收敛准则：最小适应值或者最大迭代步数，进行优化搜索计算(数值模型的参数按照步骤c)。将地应力变量作为差异进化优化的变量，将两组岩芯潜在破坏面的单元安全度作为适应值，进行优化。适应值计算需要调用数值模型，根据勘测，主要力学参数选取如下，抗拉强度2.5MPa，泊松比取0.2，弹性模量E为20GPa，粘聚力为12.5MPa，内摩擦角为27°。设置差异进化算法的初始化参数如下：粒子向量维数为2维，对应k₁和k₂，种群规模Np为10，算法迭代次数为40，学习因子CR＝0.7，缩放因子F＝0.7。根据工程情况，可设定地应力上下限，所识别的参数k₁的范围为(0.25-1)，k₂的范围为(0.25-1)，第一代个体在0.25-1之间随机赋值。

具体的计算过程为：令第G代种群中个体的数量为NP，第G代中向量可以表示为x_i(G)，i＝1，2，…，NP，每个向量个体包含D个分量，DE算法过程如下：

1)产生初始种群。在D维空间里随机产生满足自变量上下界约束的NP的个个体，公式如下：

x_ij(0)＝rand_ij(0，1)(x_ijU-x_ijL)+x_ijL    (6)

i＝1，2，…，Np；j＝1，2，…，D.

式中x_ijU、x_ijL分别为第j个分量的上界和下界，rand_ij(0，1)是[0，1]之间的随机数。这Np个个体对应着Np个地应力系数。根据下公式(5)计算适应值，式中抗剪安全度F_si和抗拉安全度F_ti可以通过有限元数值模拟计算得到。下面是进行差异进化算法的流程，保证个体的迭代越来越趋向最优值。

A04：个体适应值评价，结合步骤B01(A02)以及步骤A03设定的参数，差异进化算法把每一个可能的解看成一个个体，先随机产生Np个可能的地应力变量(Np称为种群)，根据这些地应力变量，分别按照步骤B02(B03)分别计算潜在破坏面单元的安全度，其中单元安全度是基于弹性力学的框架并结合摩尔库仑准则得到的，将单元安全度与1的误差作为适应值，结合步骤B02(B03)中的计算公式如下：Min{(∑_i＝1 ^Kabs(1-F_i))}进行计算；潜在破坏面上这个适应值越小，说明这个面越接近临界破坏，对应的地应力变量也就越接近真实地应力。在上述随机产生Np个个体进行适应值计算的基础上，差异进化算法按以下步骤进行Np个个体(解)的迭代更新。下列差异进化演化机制，保证了更新个体能快速地接近最优解，即要搜索的地应力。本文适应值计算公式只是诸多的计算公式其中之一，可根据不同的破坏判定准则进行调整。

A05：变异操作，缩放种群中任意两个目标向量个体之间的差值并叠加到种群中的第3个向量个体上，形成新的变量，计算公式如下：

V_i，j(G+1)＝x_r1j(G)+F(x_r2j(G)-x_r3j(G))    (7)

其中：G为第G代种群，x_i(G)为第G代中向量(i＝1，2，…，Np)，Np为种群规模，每个向量个体包含D个分量，D为空间维数，对于第G代每个目标向量，其变异向量第j分量为：公式(7)中下标r1，r2，r3为[1，Np]中的随机整数且互不相同，F为缩放因子；用来调节向量差异的步长幅值，在0～2内取值。以上公式是基本的变异模式，被称作DE/rand/1模式。随着该公式的改变，尚能形成其他模式，如DE/best/1、DE/best/2、DE/rand/2。

A06：交叉操作，将目标向量x_i(G)与变异向量v_i(G+1)按照如下规则杂交，生成新的试样向量u_i(G+1)，计算公式如下：

式中r_j∈[0，1]为与向量第j个分量对应的随机数；CR∈[0，1]为杂交概率常数；r_ni为在1，2，...，D中随机挑选一个整数，以确保变异向量Vi，j(G+1)中，至少有一个分量被试样向量u_i(G+1)采用；u_i(G+1)是变异生成的新个体。

A07：选择操作，所有试样向量u_i(G+1)调用步骤A04进行适应值计算，采用贪婪搜索方法进行选择操作。将试样向量u_i(G+1)与原来的目标向量xi(G)比较，如果u_i(G+1)对应较小的适应值，则选择向量u_i(G+1)；反之如果，xi(G)对应较小的目标函数值，则保留向量x_i(G)，这样得到新一代Np的个体。

最后判断是否符合最小适应值或者迭代次数的收敛准则(差异进化算法的收敛曲线见图7)，如果不符合终止准则，转到e继续差异进化的迭代和数值计算，如果符合终止准则，结束迭代输出识别的地应力结果。

A08：输出地应力，差异进化搜索的地应力结果见表1。

表1不同适应度函数的搜索结果

适应度函数	收敛迭代次数	K1	K2	适应值
					公式(5)	38	0.87	0.88	0.78

由表可见，最后识别的结果k1为0.87，k2为0.88，该应力条件下上述岩芯最符合观测的破坏情况。已有的研究表明，该区域的最大主应力为竖直方向，而其它两个主应力在水平方向，监测结果对应的k₁和k₂分别为0.898和0.890。本文的识别结果和上述研究结果有较好的一致性。由于各单元受力的不均匀性，适应值很难正好等于0，因为搜索的结果是最小值，认为所对应的地应力即为识别的地应力。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种根据岩芯饼化识别地应力的方法，其特征在于包括如下步骤：

a、通过收集工程地质调查数据，预估地应力范围，选择待识别的地应力变量；

b、通过摄像设备对钻取岩芯进行摄像，并对获取的图像进行识别，即识别出岩芯裂隙的间距和角度；

c、根据步骤a获取的资料信息和步骤b已识别的图像信息，建立岩芯钻取的三维有限元模型，同时施加应力边界条件，模拟实际岩芯受力状况，根据实际观测的岩芯断裂面，即饼化厚度在模型中相应的位置设置1个以上的测点，后根据上述测点是否处于破坏状态，通过下述地应力识别的有约束的优化问题的目标函数获取地应力变量：

$\mathrm{Min}\left\{\left({\mathrm{\Σ}}_{i=1}^K\mathrm{abs}(1-F_i)\right)\right\}$

式中F_i＝min{F_si，F_ti}，其中F_i为潜在面上观测点的第i个单元的抗剪安全度F_si和抗拉安全度F_ti的最小值，K为潜在破坏面上单元个数即测点个数；

d、优化算法初始化：在步骤c的所述模型中施加应力边界条件后，对应使潜在破坏面的单元刚好破坏，将地应力变量作为差异进化算法的搜索变量，将数值计算潜在破坏面的单元安全度情况作为差异进化算法的评价值，这样将步骤c中的数值计算嵌入到差异进化算法中，设置差异进化初始参数：优化变量数目和种群数量，同时设置缩放因子F和杂交概率常数CR值；设定收敛准则：最小适应值或者最大迭代步数，进行优化搜索计算；

e、算法适应值评价：结合步骤d设定的参数，差异进化算法把每一个可能的解看成一个个体，先随机产生Np个可能的地应力变量，即Np称为种群，根据这些地应力变量，分别按照步骤c分别计算潜在破坏面单元的安全度，其中单元安全度是基于弹性力学的框架并结合摩尔库仑准则得到的，将单元安全度与1的误差作为适应值，结合步骤c中的计算公式如下：

进行计算；

f、变异操作：缩放种群中任意两个目标向量个体之间的差值并叠加到种群中的第3个向量个体上，形成新的变量，计算公式如下：

V_i，j(G+1)＝X_r1j(G)+F(X_r2j(G)-X_r3j(G))

其中：G为第G代种群，x_i(G)为第G代中向量(i＝1，2，…，Np)，Np为种群规模，每个向量个体包含D个分量，D为空间维数，对于第G代每个目标向量，其变异向量第j分量为：公式中下标r1，r2，r3为[1，Np]中的随机整数且互不相同，F为缩放因子；

g、交叉操作：将目标向量x_i(G)与变异向量v_i(G+1)按照如下规则杂交，生成新的试样向量u_i(G+1)，计算公式如下：

式中r_j∈[0，1]为与向量第j个分量对应的随机数；CR∈[0，1]为杂交概率常数；rn_i为在1，2，…，D中随机挑选一个整数，以确保变异向量V_i，j(G+1)中，至少有一个分量被试样向量u_i，G+1采用；u_i(G+1)是变异生成的新个体；

h、选择操作：所有试样向量u_i(G+1)调用步骤e进行适应值计算，将试样向量u_i(G+1)与原来的目标向量x_i(G)比较，如果u_i(G+1)对应较小的适应值，则选择向量u_i(G+1)；反之如果，x_i(G)对应较小的目标函数值，则保留向量x_i(G)，这样得到新一代Np的个体；

i、判断是否符合最小适应值或者迭代次数的收敛准则，如果不符合终止准则，转到e继续差异进化的迭代和数值计算，如果符合终止准则，结束迭代输出识别的地应力结果。

2.根据权利要求1所述的一种根据岩芯饼化识别地应力的方法，其特征在于所述步骤c中的建立岩芯钻取的三维有限元模型的具体操作如下：在模型中的岩芯直径和岩台高度对应着步骤b摄像获得的岩芯直径和岩饼厚度，模型一般取立方体，边长为岩芯直径的5～8倍。

3.一种实施权利要求1所述识别地应力方法的装置，其特征在于包括数码相机和计算机；所述计算机包括岩饼裂隙图像识别单元、岩芯饼化数值模拟单元和差异进化算法单元；所述岩饼裂隙图像识别单元，用于根据数码照片岩芯裂隙呈现的颜色的差异，识别出裂隙的间距和角度；所述岩芯饼化数值模拟单元，用于根据岩芯的尺寸和力学性质建立数值模型并进行有限元模拟；所述差异进化算法单元，用于根据上述岩芯饼化识别地应力的方法对地应力进行优化搜索；

所述数码相机通过数据线将岩饼裂隙图像传输到计算机中，先将岩饼裂隙图像数据通过计算机内部总线传输到饼裂隙图像识别单元中，后在通过总线将识别后的数据传输到岩芯饼化数值模拟单元中，再通过总线将建立的数值模型数据传输到差异进化算法单元中进行优化搜索处理，最后通过数据线将结果通过计算机显示单元进行显示。

Images