CN115265398B - 多期次地震作用下斜坡损伤累积的监测方法 - Google Patents
多期次地震作用下斜坡损伤累积的监测方法 Download PDFInfo
- Publication number
- CN115265398B CN115265398B CN202210901625.XA CN202210901625A CN115265398B CN 115265398 B CN115265398 B CN 115265398B CN 202210901625 A CN202210901625 A CN 202210901625A CN 115265398 B CN115265398 B CN 115265398B
- Authority
- CN
- China
- Prior art keywords
- slope
- image
- displacement
- point
- observation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000009825 accumulation Methods 0.000 title claims abstract description 15
- 230000009471 action Effects 0.000 title claims abstract description 15
- 238000006073 displacement reaction Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 229920003023 plastic Polymers 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 6
- 239000006224 matting agent Substances 0.000 claims description 6
- 239000003973 paint Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000006004 Quartz sand Substances 0.000 claims description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 claims description 3
- 229910052601 baryte Inorganic materials 0.000 claims description 3
- 239000010428 baryte Substances 0.000 claims description 3
- 235000011187 glycerol Nutrition 0.000 claims description 3
- 229910052602 gypsum Inorganic materials 0.000 claims description 3
- 239000010440 gypsum Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000012466 permeate Substances 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 description 20
- 230000003321 amplification Effects 0.000 description 16
- 238000003199 nucleic acid amplification method Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 238000003825 pressing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000004936 Bromus mango Nutrition 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 108700041286 delta Proteins 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种多期次地震作用下斜坡损伤累积的监测方法,其包括构建边坡模型,并在边坡模型的观测面布置散斑点;在散斑点检验合格时,对采集观测面图像的相机进行标定,之后加载地震波,并同步采集观测面的变形图像;对边坡模型的初始图像上的所有像素点与变形图像上的像素点进行相关计算,得到每个像素点的位移;在边坡模型的潜在滑动面处选取若干观测点对;获取距离观测点中心最近的多个散斑点的位移,并将其平均值作为观测点的位移,将观测点的像素‑位移离散数据向时间‑加速度连续数据变换;根据观测点的质量和时间‑加速度数据,计算观测点的水平地震力,计算观测点对中两个水平地震力的差值,确定出潜在滑动面的受力大小和受力方向。
Description
技术领域
本发明涉及地质灾害监测技术,具体涉及一种多期次地震作用下斜坡损伤累积的监测方法。
背景技术
振动台模型试验是地震斜坡变形、破坏和稳定性应研究的重要手段。通过在振动台模型预设点位埋放传感器探头来获取位移、加速度、土压力等数据,研究边坡模型动力响应特征、变形破坏规律,以及包括坡体结构、岩层倾角、材料性质等地质因素,地震波类型、频率、振幅、持时等地震因素影响规律。
目前在进行振动试验时,为了对边坡变形继续监测,需要在确定的潜在滑动面附近布置大量的加速度传感器,以在加载地震波后,对潜在滑动面处加速度的监测。由于加速度传感器为刚性部件,其抗冲击能力比较大,在加载地震波后,使得加速度传感器采集的加速度不能反映潜在滑动面的真实数据,从而影响后续制定出相对准确的灾害防治措施。
发明内容
针对现有技术中的上述不足,本发明提供的多期次地震作用下斜坡损伤累积的监测方法解决了现有振动台试验监测的加速度不准确的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种多期次地震作用下斜坡损伤累积的监测方法,其包括:
S1、采用与待研究边坡相似的材料构建边坡模型,并在边坡模型的观测面形成若干无序排列的散斑点;
S2、在散斑点检验合格时,对采集观测面图像的相机进行标定,之后通过振动台对边坡模型施加预设时长的地震波,并同步采集观测面的变形图像;
S3、对边坡模型的初始图像上的所有像素点与变形图像上的像素点进行相关计算,得到地震波施加过程每个像素点的位移;
S4、在边坡模型的潜在滑动面处选取若干观测点对,且每个观测点对分别位于潜在滑动面两侧,且高度相等,若干观测点对的高度均不相等;
S5、获取距离观测点中心最近的多个散斑点的位移,并将其平均值作为观测点的位移,将观测点的像素-位移离散数据向时间-加速度连续数据变换;
S6、根据观测点的质量和时间-加速度数据,计算观测点的水平地震力,计算观测点对中两个水平地震力的差值,确定出潜在滑动面的受力大小和受力方向。
进一步地,散斑点检验合格的判断方法包括:
S21、获取观测面的散斑图,计算散斑图中每个像素点灰度梯度矢量的模:
其中,fx(xij)和fy(xij)分别为像素点xij在x和y方向的灰度导数;|f(xij)|为像素点xij的灰度梯度矢量的模;
S22、根据|f(xij)|,计算散斑图的平均灰度梯度σf:其中,W和H分别为散斑图的宽度和高度;
S23、判断平均灰度梯度是否大于预设阈值,若是,则散斑图上的散斑点检验合格,否则,调整观测面上排列的散斑点,之后返回步骤S21。
进一步地,步骤S3进一步包括:
S31、将采集的边坡模型的初始图像和变形图像进行灰度化处理,转换为灰度矩阵;
S32、在初始图像中随机选择一个未选取的测量点(x0,y0),并以测量点为中心选取一个图像区域作为初始像素块,对应于其灰度矩阵中的矩阵gI(x,y);
S33、在变形图像中任意选取一个与图像区块相等的区域,对应于其矩阵中的矩阵gD(x′,y′),计算矩阵gI(x,y)和矩阵gD(x′,y′)间的相关系数;
S34、在当前变形图像中未遍历区域选取一块等于图像区块的区块,计算其与矩阵gI(x0,y0)的相关系数,
S35、当当前变形图像未遍历完时,返回步骤S34,当当前变形图像已遍历完,得到初始像素块在整个变形图像上的相关系数分布;
S36、采用相关系数分布中的峰值作为测量点的最佳匹配点,(x0′,y0′)和(x0,y0)之差为测量点的位移矢量d(u,v);
S37、当初始图像中的所有测量点均已遍历完成,则选取下一张变形图像重复执行步骤S31~S36,直至所有变形图像均已遍历完,否则返回步骤S32。
进一步地,将观测点的像素-位移离散数据向时间-加速度连续数据变换的方法包括:
根据所有观测点的位移-像素点,将以像素为单位的横坐标值缩小f倍后,得到横坐标值以时间为单位的位移-时间点曲线,f为捕捉帧率;
在Matlab中将离散点拟合成位移-时间曲线,将位移在时间上进行一次微分得到速度-时间数据,二次微分得到加速度-时间数据。
进一步地,边坡模型的构建方法包括:
采用待研究边坡的物理力学参数作为指标确定材料的力学性能,通过正交试验,确定边坡模型中的材料的组成成分及配比;
将待研究边坡的潜在滑动面两侧部分划分为基座和滑块,采用分层夯实法建造边坡模型的基座,并在潜在滑动面上错列铺设预设厚度的透明塑料板;
在潜在滑动面上采用分层夯实法制作滑块,当滑块达到预设高度和坡度后拆除边坡模型的两侧挡板,并在边坡模型的含水率低于预设值时完成养护。
进一步地,物理力学参数包括内聚力、内摩擦角、密度、弹性模量和泊松比,边坡模型中的材料的组成成分包括重晶石、石英砂、石膏、水、甘油,质量比例为3:5.2:0.4:1.2:0.2。
进一步地,散斑点形成之前还包括在边坡模型的观测面涂抹一层消光剂层,之后再涂抹一层亚光白漆层,且消光剂层和亚光白漆层均不渗透至边坡模型中。
进一步地,地震波为正弦波,输入正弦波频率设定为10Hz,预设时长为15s,地震波加载过程中,以0.1g的间隔从0.2g增加到0.6g。
本发明的有益效果为:本方案施加地震波时,同步采集观测面的图像,将图像信息通过与初始图像进行匹配,以计算出每个像素点的位移,以得到潜在滑动面每次的位移,之后再结合潜在滑动面上设置的观测点,可以得到同一高度上上两个点的受力,通过两个力可以得到潜在滑动面在该高度的受力方向。
监测人员根据潜在滑动面的受力及受力方向,可以知道在地震波冲击下,待研究滑坡的变形情况,以此对待研究滑坡制定出比较精准的防护措施,以保证待研究边坡的安全。
附图说明
图1为多期次地震作用下斜坡损伤累积的监测方法的流程图。
图2为边坡模型的结构示意图。
图3为在基座上设置透明塑料板的示意图。
图4为步骤S3中相关计算的流程图。
图5为观测点的布置示意图。
图6为速度-时间曲线变换示意图。
图7为对采用相机系统提取的加速度可靠度分析。
图8为实例中第5次加载地震波的最大主应变云图
图9边坡模型顶部裂缝扩展。
图10为不同振动作用下PGA响应,其中(a)为潜在滑面以上测点PGA放大系数,(b)为潜在滑面以下测点PGA放大系数,(c)为潜在滑面上下测点PGA比值。
图11为0.2g激振作用下不同时刻潜在滑动面受力图示。
图12为实施例中的拉压示意图。
其中,1、基座;2、潜在滑动面;3、滑块;4、挡板;5、透明塑料板。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
参考图1,图1示出了多期次地震作用下斜坡损伤累积的监测方法的流程图;如图1所示,该方法S包括步骤S1至步骤S6。
在步骤S1中,采用与待研究边坡相似的材料构建边坡模型,并在边坡模型的观测面形成若干无序排列的散斑点;
如图2和图3所示,本方案的边坡模型根据待研究边坡原型进行制备,主要包括两部分,根据潜在滑动面2将边坡模型划分成基座和滑块3,其中基座的一侧斜面为潜在滑动面2,潜在滑动面2上设置有若干节理,节理为附着在潜在滑动面2上的透明塑料片。
实施时,本方案优选边坡模型的构建方法包括:
采用待研究边坡的物理力学参数作为指标确定材料的力学性能,通过正交试验,确定边坡模型中的材料的组成成分及配比;
将待研究边坡的潜在滑动面2两侧部分划分为基座1和滑块3,采用分层夯实法建造边坡模型的基座1,并在潜在滑动面2上错列铺设预设厚度的透明塑料板5;
在潜在滑动面2上采用分层夯实法制作滑块3,当滑块3达到预设高度和坡度后拆除边坡模型的两侧挡板4,并在边坡模型的含水率低于35%时完成养护。
其中,边坡模型设计为长1.8m、宽0.4m、高1.2m的直线坡,潜在滑动面2倾角45°,透明塑料板5厚0.1mm,横向上节理间距8cm,纵向上间距24cm。
其中,物理力学参数包括内聚力、内摩擦角、密度、弹性模量和泊松比,边坡模型中的材料的组成成分包括重晶石、石英砂、石膏、水、甘油,质量比例为3:5.2:0.4:1.2:0.2。
在步骤S2中,在散斑点检验合格时,对采集观测面图像的相机进行标定,之后通过振动台对边坡模型施加预设时长的地震波,并按设置好的捕捉帧率同步采集观测面的变形图像;其中地震波为正弦波,输入正弦波频率设定为10Hz,预设时长为15s,地震波加载过程中,以0.1g的间隔从0.2g增加到0.6g。
散斑点形成之前还包括在边坡模型的观测面涂抹一层消光剂层,之后再涂抹一层亚光白漆层,且消光剂层和亚光白漆层均不渗透至边坡模型中。两层涂层的设置,同时避免了补光灯照射后相机视野白芒,也能高效捕获散斑点。
相机标定时,可以采用张正友棋盘标定法对系统进行标定。使用张正友棋盘标定方法进行相机标定,首先需要准备尺寸合适的标定板,然后将标定板放入相机视野中,变换不同的姿态每种姿态下相机采集一张图片,通过检测识别图像的特征点,通过其在图像坐标系中的坐标以及已知的空间坐标,进而计算出相机的内、外参数。标定流程如下:
(1)静态图片采集,相机系统建立后,将标定板放入视场占视场空间2/3以上并且变换不同的位姿进行拍摄,采集的图片存置计算机中。(2)静态图片处理,对采集的图片进行滤波处理,去除噪声。
(3)角点检测,检测识别标定板是各个特征点,每个点都有其确定的实际坐标,这样便可以进行下一步参数计算。(4)标定系统参数,采用张正友的平面标定法,通过获取特征点的图像坐标计算相机的内、外参数;通过最小二乘法先行求解径向畸变系数,通过求最小参数值,优化所有参数。
在本发明的一个实施例中,散斑点检验合格的判断方法包括:
S21、获取观测面的散斑图,计算散斑图中每个像素点灰度梯度矢量的模:
其中,fx(xij)和fy(xij)分别为像素点xij在x和y方向的灰度导数;|f(xij)|为像素点xij的灰度梯度矢量的模;
S22、根据|f(xij)|,计算散斑图的平均灰度梯度σf:其中,W和H分别为散斑图的宽度和高度;
S23、判断平均灰度梯度是否大于预设阈值,若是,则散斑图上的散斑点检验合格,否则,调整观测面上排列的散斑点,之后返回步骤S21。
在步骤S3中,对边坡模型的初始图像上的所有像素点与变形图像上的像素点进行相关计算,得到地震波施加过程每个像素点的位移;
如图4所示,在本发明的一个实施例中,步骤S3进一步包括:
S31、将采集的边坡模型的初始图像和变形图像进行灰度化处理,转换为灰度矩阵;
S32、在初始图像中随机选择一个未选取的测量点(x0,y0),并以测量点为中心选取一个图像区域作为初始像素块,对应于其灰度矩阵中的矩阵gI(x,y);
S33、在变形图像中任意选取一个与图像区块相等的区域,对应于其矩阵中的矩阵gD(x′,y′),计算矩阵gI(x,y)和矩阵gD(x′,y′)间的相关系数;
S34、在当前变形图像中未遍历区域选取一块等于图像区块的区块,计算其与矩阵gI(x0,y0)的相关系数,
S35、当当前变形图像未遍历完时,返回步骤S34,当当前变形图像已遍历完,得到初始像素块在整个变形图像上的相关系数分布;
S36、采用相关系数分布中的峰值作为测量点的最佳匹配点,(x0′,y0′)和(x0,y0)之差为测量点的位移矢量d(u,v);
S37、当初始图像中的所有测量点均已遍历完成,则选取下一张变形图像重复执行步骤S31~S36,直至所有变形图像均已遍历完,当初始图像中的所有测量点未遍历完成时,返回步骤S32。
在步骤S4中,在边坡模型的潜在滑动面2处选取若干观测点对,且每个观测点对分别位于潜在滑动面2两侧,且高度相等,若干观测点对的高度均不相等;步骤S4的观测点的具体选取方法为:
如图5所示,在平行于潜在滑动面2上下两侧布置两条测线,L1和L2。两测线水平间距1cm,每条线上取10个观测点,分别标记为Pi(i为0到18的偶数)和Pj(j为1到19的奇数),同一测线上相邻观测点间距相等为20cm。
在步骤S5中,获取距离观测点中心最近的多个散斑点的位移,并将其平均值作为观测点的位移,将观测点的像素-位移离散数据向时间-加速度连续数据变换;
在步骤S6中,根据观测点的质量和时间-加速度数据,计算观测点的水平地震力,计算观测点对中两个水平地震力的差值,确定出潜在滑动面2的受力大小和受力方向。
如图6所示,在本发明的一个实施例中,将观测点的像素-位移离散数据向时间-加速度连续数据变换的方法包括:
根据所有观测点的位移-像素点(图6中数据类似Ⅰ),将以像素为单位的横坐标值缩小f倍后,得到横坐标值以时间为单位的位移-时间点曲线(图6中数据类似Ⅱ),f为捕捉帧率,变换公式为:式中:T为振动持时,Pi和f分别代表单个工况下捕获总像素和捕捉帧率。
在Matlab中将离散点拟合成位移-时间曲线(图6中数据类似Ⅲ),将位移在时间上进行一次微分得到速度-时间数据,二次微分得到加速度-时间数据(图6中数据类似Ⅳ)。分别由下式计算式中,V(t)为速度方程,a(t)为加速度方程,s为位移,t为时间。
下面对本方案各个观测点的加速度进行可靠性验证:
在边坡模型堆制时,预先在基座1上内部且对应于其表明的观测点P20处,埋设一个加速度传感器,加载地震波时记录加速度传感器采集的加速度(其相当于地震波PGA),95%置信区间上下限由下式计算:
式中:δ1表示加速度传感器P20监测到的地震波PGA(作为标准值),X1和X2分别代表δ的95%置信区间上限和下限。
采用步骤S3得到的位移确定观测点P20的位移,之后根据位移得到观测点P20的时间-加速度数据,之后通过数据变换得到的PGA与设计的输入地震波PGA之间的误差γ按下式计算:
式中:PGADIC为数据处理得到的P20点峰值加速度,δ1设计的输入地震波PGA,γ表示PGADIC与输入地震波PGA的偏离程度。
通过对观测点P20及预埋的加速度传感器采集的加速度分析可知,本方案方法得到的观测点的误差不超过3%(参考图7),从而可以表征本方案监测方法得到的加速度是非常可靠的。
另外,采用本方案方法在监测过程中,也可以采用可靠性验证对验证边坡模型是否要到设计要求,若计算的可靠性小于预设比例(比如小于60%),则边坡模型达不到设计要求,此时可以调整边坡模型的物理力学参数,之后通过正交试验,重新确定边坡模型中的材料的组成成分及配比,以此保证后续能够计算出比较符合待研究边坡的力学数据。
下面结合具体的实例,对本方案的监测方法的效果进行说明:
输入的地震波为正弦波,其频率设定为10Hz,持续时间15s,输入波PGA以0.1g的间隔从0.2g增加到0.6g,共计5次加载,以第5次加载为例进行分析。
如图8所示,显示了时间间隔为1.6s时,边坡模型最大主应变云图,主应力是对步骤S3中全场的像素位移场进行求导得出的全场应变场。潜在滑动面2中部最先发生变形集中(图8a),继而最大主应变集中区发展为“断续”分布形态,在两处集中区中心区域最大主应变达到较高值(0.01)(图8b)。在图8c中模型顶部首次出现最大主应变集中区。在图8c中,与最早最大主应变集中区对应的位置因应变超出相机系统设定范围而显示一条缺失颜色区域。
在图8d和e中缺失色彩区域面积增大,并相互贯通。随着持续加载,在坡脚锁固段处产生高应变区,顶部开始缓慢下错。随后坡脚向外隆起,发育斜交于层面的次生裂缝向坡外(径向)呈放射状(X1),平行于层面的裂缝在振动荷载作用下产生塑性变形呈圆弧状(X2),两者共同组合为“X”型裂缝(图8h)。滑块3沿着层面向下滑动,在坡脚沿径向裂缝中的一组缓倾裂缝剪出(图8i)。
此次试验在边坡模型顶部没有布置散斑点和相机监测,通过照片可以看出顶部裂缝发育过程。图9显示了边坡模型顶部裂缝随输入荷载增加的变化情况,横向拉裂缝LF1在0.3g荷载作用下形成,在0.6g的输入荷载时LF1张开到3.5cm,顶部裂缝呈上宽下窄型。
图10a和b分别表示潜在滑动面2以上和以下PGA(地震波)对A0点PGA的比值,以此来显示高程对PGA的放大。依据PGA放大系数差异,将放大系数划分为0.2g-0.4g、0.4g-0.5g0、0.5g-0.6g三个阶段:
(1)0.2g-0.4g阶段,PGA放大系数随输入荷载增加变化不明显,仅随高程增加而增大;
(2)在0.4g-0.5g阶段,除了坡脚的P0和P1有所减小,其它位置放大系数发生明显变化增大,增大幅度随高程增加而增加;
(3)0.5g-0.6g阶段,坡脚至坡中(滑面以上P0-P8测点、滑面以下P1-P11测点)测点的PGA放大系数相较前一工况降低,坡中至坡顶的滑面以上测点(P10-P18)PGA放大系数相较前一工况有小幅度增加,而滑面以下P13-P19测点PGA放大系数基本不变。
图10c显示了同一高程潜在滑动面2以上测点PGA与潜在滑动面2以下测点之比,以此来显示潜在滑动面2对PGA的放大。在所有输入加速度幅值下潜在滑动面2均显示出PGA放大现象。
在第一阶段,最大PGA放大系数出现在模型中部(达1.18),但潜在滑动面2对PGA放大系数随输入加速度幅值增加而降低;在第二阶段,PGA放大系数保持在1-1.06范围内,在第三阶段PGA放大系数略有增加。
传统的监测方法需要埋设大量的探头,其会破坏模型的完整性,从而导致监测数据质量降低,同时这种大量埋设探头,会出现局部大变形,局部大变还会让探头的位置、角度和接触状态等发生改变,导致监测数据失真;而本方案通过上述方法,无需在模型中埋设大量探头,具有无损测量的优势,可以高精度得到滑面上下层位的PGA。上述分析发现,位于模型潜在滑动面以上测点测量的PGA放大系数明显大于潜在滑动面以下,这表明潜在滑面具有PGA放大作用,这是传统监测手段没有发现的滑动面PGA放大现象。
接着,对潜在滑动面2受力分析:
由于斜坡模型在0.2g地震荷载下未产生显著破坏,用此工况来显示滑面受力的一般特征。图11为0.2g地震荷载下潜在滑动面2不同部位在6个不同时刻(均为振动波的波峰时刻)的受力情况。图中0基线以上表示△F>0,即受拉;0基线以下表示△F<0,即受压。在振动过程中,潜在滑动面2受力状态是动态变化的,即同一时刻不同位置受力拉压交替分布,同一位置受力随时间变化拉压交替变换。
初始加载阶段(图11中t=3.0s和4.8s)不同位置的拉力幅值和压力幅值基本相等,沿潜在滑动面2呈“均匀”变化特征;在t=6.6s和8.4s时刻,拉压力在潜在滑动面2上分布呈现“不均匀”性,拉力幅值在P8-P15区间变大(增幅达45%),并且在不同位置压力大小差别较大(差异达60%);在t=10.2s时,潜在滑动面2以受压为主要特征,坡顶由前面时刻的压转至拉状态;到t=12s时刻,潜在滑动面2演化为以受拉力为主的受力状态,坡顶仍然表现为拉应力特性。
通过上述分析发现,滑动面上下两点位移波出现了相位差,即两点在同一时刻的位移不同步。在宏观上外点向坡外运动的位移大于内点,即外点牵引内点向外运动,此时潜在滑面拉力放大;另外,在宏观上外点向坡内位移大于内点,宏观上外点推挤内点向内运动,此时潜在滑面压力放大。
通过本方案得到的上述分析,能够发现4种应力放大类型,包括内外点的反向和相向运动,分别定名为正拉和正压,如图12所示,图中横坐标轴上点3和点4、点6和点7,图12中箭头方向表示受力方向,箭头长短表示力的大小。拉压状态包括3个亚类,以受拉为例,当力的方向同时向左,且F外>F内时为外拉;当F外向左,但F内向右时为正拉;当力的方向同时向右,且F外<F内时为内拉;受压的3种情况与之类似。
通过上述分析,本方案实现了传统不能实现的对滑动面密集测点的受力定量计算,这让研究人员/监测人员能够获得滑动面上力大小和类型分布的变化特征,发现在宏观破裂发生之前潜在滑动面上时间和空间上拉-压力交替特征;
潜在滑动面宏观破裂的形成,并向上和向下的扩展减弱了拉压力的交替变化频率,随着潜在滑坡面损伤累积,沿潜在滑动面的“拉-压力交替”模式逐渐演化为“拉力波动”模式,波动的原因是由于此时潜在滑动面并未完全贯通,局部岩桥抑制着潜在滑动面的拉力放大。
研究人员/监测人员通过上述分析,可以了解待研究滑坡在受到地震波时,其内部受力及变化情况,以此做出相对准确的防护预案,以降低待研究边坡在遇到自然灾害时对周边环境或者人员造成损害。
Claims (7)
1.多期次地震作用下斜坡损伤累积的监测方法,其特征在于,包括:
S1、采用与待研究边坡相似的材料构建边坡模型,并在边坡模型的观测面形成若干无序排列的散斑点;
S2、在散斑点检验合格时,对采集观测面图像的相机进行标定,之后通过振动台对边坡模型施加预设时长的地震波,并同步采集观测面的变形图像;
S3、对边坡模型的初始图像上的所有像素点与变形图像上的像素点进行相关计算,得到地震波施加过程每个像素点的位移;
S4、在边坡模型的潜在滑动面处选取若干观测点对,且每个观测点对分别位于潜在滑动面两侧,且高度相等,若干观测点对的高度均不相等;
S5、获取距离观测点中心最近的多个散斑点的位移,并将其平均值作为观测点的位移,将观测点的像素-位移离散数据向时间-加速度连续数据变换;
S6、根据观测点的质量和时间-加速度数据,计算观测点的水平地震力,计算观测点对中两个水平地震力的差值,确定出潜在滑动面的受力大小和受力方向;
步骤S3进一步包括:
S31、将采集的边坡模型的初始图像和变形图像进行灰度化处理,转换为灰度矩阵;
S32、在初始图像中随机选择一个未选取的测量点(x0 , y0),并以测量点为中心选取一个图像区域作为初始像素块,对应于其灰度矩阵中的矩阵gI (x , y);
S33、在变形图像中任意选取一个与图像区块相等的区域,对应于其矩阵中的矩阵gD(x′, y′),计算矩阵gI (x , y)和矩阵gD(x′, y′)间的相关系数;
S34、在当前变形图像中未遍历区域选取一块等于图像区块的区块,计算其与矩阵gI(x0 , y0)的相关系数,
S35、当当前变形图像未遍历完时,返回步骤S34,当当前变形图像已遍历完,得到初始像素块在整个变形图像上的相关系数分布;
S36、采用相关系数分布中的峰值作为测量点的最佳匹配点, (x0′, y0′)和(x0 , y0)之差为测量点的位移矢量d(u ,v);
S37、当初始图像中的所有测量点均已遍历完成,则选取下一张变形图像重复执行步骤S31~S36,直至所有变形图像均已遍历完,否则返回步骤S32。
2.根据权利要求1所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,所述散斑点检验合格的判断方法包括:
S21、获取观测面的散斑图,计算散斑图中每个像素点灰度梯度矢量的模:
其中,和 />分别为像素点/>在x和 y方向的灰度导数;/>为像素点的灰度梯度矢量的模;
S22、根据,计算散斑图的平均灰度梯度/>:/>,其中,W和H分别为散斑图的宽度和高度;
S23、判断所述平均灰度梯度是否大于预设阈值,若是,则散斑图上的散斑点检验合格,否则,调整观测面上排列的散斑点,之后返回步骤S21。
3.根据权利要求1所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,将观测点的像素-位移离散数据向时间-加速度连续数据变换的方法包括:
根据所有观测点的位移-像素点,将以像素为单位的横坐标值缩小f倍后,得到横坐标值以时间为单位的位移-时间点曲线,f为捕捉帧率;
在Matlab中将离散点拟合成位移-时间曲线,将位移在时间上进行一次微分得到速度-时间数据,二次微分得到加速度-时间数据。
4.根据权利要求1所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,所述边坡模型的构建方法包括:
采用待研究边坡的物理力学参数作为指标确定材料的力学性能,通过正交试验,确定边坡模型中的材料的组成成分及配比;
将待研究边坡的潜在滑动面两侧部分划分为基座和滑块,采用分层夯实法建造边坡模型的基座,并在潜在滑动面上错列铺设预设厚度的透明塑料板;
在潜在滑动面上采用分层夯实法制作滑块,当滑块达到预设高度和坡度后拆除边坡模型的两侧挡板,并在边坡模型的含水率低于预设值时完成养护。
5.根据权利要求4所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,所述物理力学参数包括内聚力、内摩擦角、密度、弹性模量和泊松比,所述边坡模型中的材料的组成成分包括重晶石、石英砂、石膏、水、甘油,质量比例为3:5.2:0.4:1.2:0.2。
6.根据权利要求1所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,所述散斑点形成之前还包括在边坡模型的观测面涂抹一层消光剂层,之后再涂抹一层亚光白漆层,且消光剂层和亚光白漆层均不渗透至边坡模型中。
7.根据权利要求1所述的多期次地震作用下斜坡损伤累积的监测方法,其特征在于,所述地震波为正弦波,输入正弦波频率设定为10Hz,预设时长为15s,地震波加载过程中,以0.1g的间隔从0.2g增加到0.6g。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901625.XA CN115265398B (zh) | 2022-07-28 | 2022-07-28 | 多期次地震作用下斜坡损伤累积的监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901625.XA CN115265398B (zh) | 2022-07-28 | 2022-07-28 | 多期次地震作用下斜坡损伤累积的监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115265398A CN115265398A (zh) | 2022-11-01 |
CN115265398B true CN115265398B (zh) | 2024-06-25 |
Family
ID=83771449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210901625.XA Active CN115265398B (zh) | 2022-07-28 | 2022-07-28 | 多期次地震作用下斜坡损伤累积的监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115265398B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349779B (zh) * | 2023-12-04 | 2024-02-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 深挖方膨胀土渠道边坡潜在滑动面判定方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748728A (zh) * | 2013-12-29 | 2015-07-01 | 刘进 | 智能机姿态矩阵计算方法及其应用于摄影测量的方法 |
CN107133414A (zh) * | 2017-05-18 | 2017-09-05 | 中国科学院武汉岩土力学研究所 | 一种块体地震动力响应的分析方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3974858B2 (ja) * | 2002-04-30 | 2007-09-12 | ビイック株式会社 | 動的耐震性能診断方法 |
WO2012089539A1 (en) * | 2010-12-16 | 2012-07-05 | Csi Ricerca & Ambiente Srl | A system for evaluating the current evolutionary status of events or processes in a geographical region and for generating and visualizing predictions of the evolutionary dynamics in time and space |
CN108254782B (zh) * | 2018-02-09 | 2019-11-05 | 中国地质大学(北京) | 一种边坡地震破坏失稳概率的获取方法及系统 |
CN108182338A (zh) * | 2018-03-19 | 2018-06-19 | 重庆大学 | 非岩质坡地水平地震动放大系数确定方法及抗震设计方法 |
CN109581478B (zh) * | 2018-12-07 | 2020-04-14 | 成都理工大学 | 模拟含软弱层带斜坡地震动响应的振动台模型试验方法 |
CN110986811B (zh) * | 2019-11-01 | 2021-05-25 | 武汉科技大学 | 一种用于定型耐火材料形变测试的散斑制备方法 |
CN112395768B (zh) * | 2020-11-25 | 2022-04-19 | 成都理工大学 | 一种地震边坡永久位移计算方法 |
CN113240735B (zh) * | 2021-02-01 | 2023-06-23 | 北方工业大学 | 一种边坡位移活动性监测方法 |
-
2022
- 2022-07-28 CN CN202210901625.XA patent/CN115265398B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748728A (zh) * | 2013-12-29 | 2015-07-01 | 刘进 | 智能机姿态矩阵计算方法及其应用于摄影测量的方法 |
CN107133414A (zh) * | 2017-05-18 | 2017-09-05 | 中国科学院武汉岩土力学研究所 | 一种块体地震动力响应的分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115265398A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghorbani et al. | Full-field deformation measurement and crack mapping on confined masonry walls using digital image correlation | |
Niezrecki et al. | Digital image correlation techniques for non-destructive evaluation and structural health monitoring | |
Narayanan et al. | Experimental evaluation of load-induced damage in concrete from distributed microcracks to localized cracking on electro-mechanical impedance response of bonded PZT | |
Kumar et al. | Digital image correlation (DIC) for measuring strain in brick masonry specimen using Ncorr open source 2D MATLAB program | |
Ramos et al. | 2D and 3D digital image correlation in civil engineering–measurements in a masonry wall | |
JP4742270B2 (ja) | 変形特性を測定する方法及びそのための装置 | |
CN115265398B (zh) | 多期次地震作用下斜坡损伤累积的监测方法 | |
Kahyaoğlu et al. | Soil arching and load transfer mechanism for slope stabilized with piles | |
Lee et al. | An experimental investigation on shear behaviour of RC T-beams strengthened with CFRP using photogrammetry | |
US6874370B1 (en) | Finite element analysis fatigue gage | |
Shetty et al. | Quantification of progressive structural integrity loss in masonry with Acoustic Emission-based damage classification | |
Khalilzadehtabrizi et al. | Measurement of deformation patterns in steel plate shear walls subjected to cyclic loading based on multi-target digital image correlation (MT-DIC) | |
Howlader et al. | Digital image correlation for the analysis of in-plane tested unreinforced masonry walls | |
Chen et al. | A photographic method for measuring soil deformations during internal erosion under triaxial stress conditions | |
Ghorbani et al. | Full-field displacement measurement and crack mapping on masonry walls using digital image correlation | |
Koltsida et al. | The use of digital image correlation technique for monitoring masonry arch bridges | |
Mirsayapov et al. | Prediction of deformations of foundation beds with a consideration of long-term nonlinear soil deformation | |
Tran et al. | Determining surface roughness in erosion testing using digital photogrammetry | |
Paikowsky et al. | Visual observation and measurement of aerial stress distribution under a rigid strip footing | |
Valeti et al. | Hybrid data+ model‐based submodeling method for a refined response estimation at critical locations | |
Ji et al. | A novel image-based approach for structural displacement measurement | |
JP3312298B2 (ja) | 応力拡大係数の計測方法 | |
Soleimani et al. | Vision-based quality control testing of elastomeric bridge bearings | |
Kohut et al. | Application of vision based damage detection for real civil engineering structure | |
Shih et al. | Application of digital image correlation technique to monitor dynamic response of building under earthquake excitation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |