CN115950959A - 岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 - Google Patents
岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 Download PDFInfo
- Publication number
- CN115950959A CN115950959A CN202211355662.1A CN202211355662A CN115950959A CN 115950959 A CN115950959 A CN 115950959A CN 202211355662 A CN202211355662 A CN 202211355662A CN 115950959 A CN115950959 A CN 115950959A
- Authority
- CN
- China
- Prior art keywords
- precursor
- acoustic emission
- matrix
- instability
- rock mass
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开一种岩体失稳声发射前兆信号提取方法及失稳前兆判别方法,岩体失稳声发射前兆信号提取方法包括:S1:实时探测并记录当前监测岩体声发射信号的相关参数;S2:将相关参数的时间序列按照预设窗口长度嵌入得到轨迹矩阵;S3:将轨迹矩阵进行SVD分解,得到分解后的轨迹矩阵;S4:计算分解后的轨迹矩阵中特征值的贡献率,并以降序的形式进行排列,得到排列后的特征值贡献率;S5:根据排列后的特征值贡献率的峰度及峰度的均值提取前兆特征值,得到前兆特征值集合;S6:根据前兆特征值集合,重构前兆特征值对应的矩阵,得到前兆特征信号。本发明能够对岩体状态进行实时跟踪预警预报,且所提取的前兆信号易于识别,判断方式简单。
Description
技术领域
本发明涉及岩土工程监测预警技术领域,具体涉及一种岩体失稳声发射前兆信号提取方法及失稳前兆判别方法。
背景技术
随着工程建设不断向西藏等高地应力、构造运动活跃的地区推进,将会面临一系列与岩体稳定性相关的工程问题,如大变形、岩爆、崩塌、滑坡等。因此,实时、准确的对岩体稳定性进行监测、对其失稳破坏进行超前预报、预警,对保障人民生命安全和避免财产损失有着重要意义。
岩体因自身脆性往往失稳破坏具有突发性、变形量较小等特点,导致将变形作为前兆指标可靠性非常差,前兆不明显。声发射是指材料内部或表面的局部应变能快速释放产生的瞬态弹性波,反映了岩体实时状态的变化,目前大量研究将声发射频率、b值、分形维数,RA/AF、等作为前兆指标,但这些现有技术所采用的前兆指标的波动较大,前兆信号中往往包含较多噪声信号,难以在实际工程中应用。
发明内容
本发明的目的在于提供一种岩体失稳声发射前兆信号提取方法及失稳前兆判别方法,以能够对岩体状态进行实时跟踪预警预报,且所提取的前兆信号易于识别,判断方式简单。
本发明解决上述技术问题的技术方案如下:
本发明提供一种岩体失稳声发射前兆信号提取方法,所述岩体失稳声发射前兆信号提取方法包括:
S1:实时探测并记录当前监测岩体声发射信号的相关参数;
S2:将所述相关参数的时间序列按照预设窗口长度嵌入得到轨迹矩阵;
S3:将所述轨迹矩阵进行SVD分解,得到分解后的轨迹矩阵;
S4:计算所述分解后的轨迹矩阵中特征值的贡献率,并以降序的形式进行排列,得到排列后的特征值贡献率;
S5:根据排列后的特征值贡献率的峰度及峰度的均值提取前兆特征值,得到前兆特征值集合;
S6:根据所述前兆特征值集合,重构所述前兆特征值对应的矩阵,得到前兆特征信号。
可选择地,所述步骤S1中,所述相关参数包括声发射上升时间/幅值参数和平均频率参数。
可选择地,所述步骤S2中,所述预设窗口长度L满足:2≤L≤N-1,其中,N表示为时间序列数据长度。
可选择地,所述步骤S2中,所述轨迹矩阵X为:
其中,K为轨迹矩阵的列数,且K=N-L+1,N表示为时间序列数据长度,L为窗口长度参数。
可选择地,所述步骤S3包括:
S31:计算XXT的初始特征值并将所述初始特征值按递减的顺序排列,得到特征值;
S32:获取轨迹矩阵X的左特征向量和右特征向量;
S33:根据所述轨迹矩阵X的左特征向量和右特征向量,以及所述特征值,得到所述分解后的轨迹矩阵。
可选择地,所述分解后的轨迹矩阵为:
可选择地,所述步骤S4中,所述特征值的贡献率ηi为:
其中,λi(i=1,2,…,L)为矩阵S=XXT按降序排列后的特征值,d为非零特征值的个数,且d=max{i,λi>0}=rank X,X为轨迹矩阵。
可选择地,所述步骤S4中,所述特征值贡献率的峰度Ku为:
可选择地,所述步骤S6即为将每一个前兆特征值重构为长度为N的新时间序列。
本发明还提供一种岩体失稳前兆判别方法,所述岩体失稳前兆判别方法包括上述的岩体失稳声发射前兆信号提取方法,还包括:
利用以下失稳前兆条件之一对所述前兆特征信号进行判别,得到判别结果:
当平均频率参数产生突降和/或当声发射上升时间/幅值参数产生突增时,输出所述前兆特征信号有效,否则,输出所述前兆特征信号无效。
本发明具有以下有益效果:
声发射波形可以由声发射监测设备直接测出,而声发射上升时间参数可以从声发射波形图中直接获取,获取非常方便快捷,难度低;声发射上升时间的变异系数、偏度和峰度的计算过程以及后续判断非常简单,在常规的处理器中嵌入计算程序即可实现,无需构建复杂的算法模型,岩体失稳破坏的前兆点易于识别,并且计算误差小,稳定性高,一般的工程施工单位均具备应用条件。
此外,本发明的前兆指标多元、且与岩土破裂类型紧密相关,可提高预警的准确性。
综上,本发明可实时表征岩体破坏类型(裂纹类型)的发展趋势,可在隧道工程、边坡工程、采矿工程、水利水电工程等领域中的岩体预警预报中广泛使用。
附图说明
图1为本发明岩体失稳声发射前兆信号提取方法的流程图;
图2为单轴荷载作用下含预制裂缝岩体失稳破坏过程中采集到的声发射AF曲线图;
图3为单轴荷载作用下含预制裂缝岩体失稳破坏过程中采集到的声发射RA曲线图;
图4为声发射前兆特征值提取示意图;
图5为所提取的声发射AF、RA前兆信号及前兆点判别图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明提供一种岩体失稳声发射前兆信号提取方法,参考图1所示,所述岩体失稳声发射前兆信号提取方法包括:
S1:实时探测并记录当前监测岩体声发射信号的相关参数;
本发明对当前监测岩体声发射信号的相关参数的实时探测设备不做具体限制,作为一种实施方式,在本发明中,采用声发射监测设备获取相关参数,其中,相关参数包括声发射上升时间/幅值参数RF和平均频率参数AF。安装固定好声发射探头后即可监测岩体的声发射信号,并获取RA、AF参数,操作相对便捷。
S2:将所述相关参数的时间序列按照预设窗口长度嵌入得到轨迹矩阵;
在本发明中,设置预设窗口长度L满足:2≤L≤N-1,其中,N表示时间序列数据长度。
除此之外,嵌入是将一维时间序列X=(x1,x2,x3…,xN),映射到多维时间序列Xi=(xI,…,xi+L-1)T∈RL的方法。其中K=N-L+1。L为窗口长度参数,轨迹矩阵X可以表示为如下所示:
S3:将所述轨迹矩阵进行SVD分解,得到分解后的轨迹矩阵;
可选择地,所述步骤S3包括:
S31:计算XXT的初始特征值并将所述初始特征值按递减的顺序排列,得到特征值,表示为:(λ1≥λ2…λL≥0);
S32:获取轨迹矩阵X的左特征向量和右特征向量;
S33:根据所述轨迹矩阵X的左特征向量和右特征向量,以及所述特征值,得到所述分解后的轨迹矩阵。
所述分解后的轨迹矩阵为:
S4:计算所述分解后的轨迹矩阵中特征值的贡献率,并以降序的形式进行排列,得到排列后的特征值贡献率;
所述特征值的贡献率ηi为:
其中,λi(i=1,2,…,L)为矩阵S=XXT按降序排列后的特征值,d为非零特征值的个数,且d=max{i,λi>0}=rank X,X为轨迹矩阵。
S5:根据排列后的特征值贡献率的峰度及峰度的均值提取前兆特征值,得到前兆特征值集合;
所述特征值贡献率的峰度Ku为:
I前兆特征值合集对应的矩阵可以又表示为:
对于第I组的矩阵XI,对应的特征值贡献率可视为信号中的重要成分。
S6:根据所述前兆特征值集合,重构所述前兆特征值对应的矩阵,得到前兆特征信号。
令Y为矩阵L×K的矩阵,其中L矩阵行数、K为矩阵列数,第i行j列元素表示为yij,1≤i≤L,1≤j≤K。令L*=min(L,K),K*=max(L,K),N=L+K-1。通过对角平分可将矩阵Y变换为长度为N的时间序列y1,y1,…yN,表达式为:
上式相当于对角矩阵Y中的元素逆对角化,满足条件i+j=k+1。其中,k为对角矩阵的阶数,当k=1时,y1=y1,1,当k=2时,y1=(y1,2+y2,1)/2,以此类推。将上式应用于矩阵可得到时间序列故而,可将原始时间序列X=(x1,x2,x3…,xN)分解为m个重构序列之和,表达式为:
式中:(n=1,2,…N),N为时间序列数据长度。
基于上述技术方案,本发明还提供一种岩体失稳前兆判别方法,所述岩体失稳前兆判别方法包括上述的岩体失稳声发射前兆信号提取方法,还包括:
利用以下失稳前兆条件之一对所述前兆特征信号进行判别,得到判别结果:
当平均频率参数产生突降和/或当声发射上升时间/幅值参数产生突增时,输出所述前兆特征信号有效,否则,输出所述前兆特征信号无效。
这种判别方式可以通过人工进行判断,也可以通过设备进行自动判断。
前兆信号及前兆效果试验
在自然界中节理、裂缝广泛分布与岩体中。因此,将预制裂缝的岩体作为当前监测岩体,对该岩体进行单轴加载试验,并采用声发射仪进行同步探测,记录、获取岩体失稳破坏过程中的声发射RA、AF参数。所获取参数如图2、图3所示。
将窗口长度设定为400,进行时间序列的嵌入,并通过特征值贡献率的偏度及偏度的均值进行前兆特征值的提取,结果如图4所示;将提取的特征值对应的特征向量进行重构,结果如图5所示。
如果RA突增、AF突降,则视为前兆信号。在本次试验中,含预制裂缝的岩体在336.80s时出现失稳破坏,采用上述前兆信号提取方法后,前兆1出现的时间为276.39s、前兆2出现的时间为293.63s,前兆的时间在岩体失稳破坏之前,因此前兆信息是有效的。
综上,本发明具有以下优点:
1、前兆信号多元,可提高预警的准确性;
2、岩体失稳破坏的前兆点易于识别,该算法仅需要输入嵌入窗长即可,操作方便,实施成本低;
3、可实时表征岩体剪切裂纹与张拉裂纹的发展趋势,可在隧道工程、边坡工程、采矿工程、水利水电工程等领域中的岩体预警预报中广泛使用。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种岩体失稳声发射前兆信号提取方法,其特征在于,所述岩体失稳声发射前兆信号提取方法包括:
S1:实时探测并记录当前监测岩体声发射信号的相关参数;
S2:将所述相关参数的时间序列按照预设窗口长度嵌入得到轨迹矩阵;
S3:将所述轨迹矩阵进行SVD分解,得到分解后的轨迹矩阵;
S4:计算所述分解后的轨迹矩阵中特征值的贡献率,并以降序的形式进行排列,得到排列后的特征值贡献率;
S5:根据排列后的特征值贡献率的峰度及峰度的均值提取前兆特征值,得到前兆特征值集合;
S6:根据所述前兆特征值集合,重构所述前兆特征值对应的矩阵,得到前兆特征信号。
2.根据权利要求1所述的岩体失稳声发射前兆信号提取方法,其特征在于,所述步骤S1中,所述相关参数包括声发射上升时间/幅值参数和平均频率参数。
3.根据权利要求1所述的岩体失稳声发射前兆信号提取方法,其特征在于,所述步骤S2中,所述预设窗口长度L满足:2≤L≤N-1,其中,N表示为时间序列数据长度。
5.根据权利要求4所述的岩体失稳声发射前兆信号提取方法,其特征在于,所述步骤S3包括:
S31:计算XXT的初始特征值并将所述初始特征值按递减的顺序排列,得到特征值;
S32:获取轨迹矩阵X的左特征向量和右特征向量;
S33:根据所述轨迹矩阵X的左特征向量和右特征向量,以及所述特征值,得到所述分解后的轨迹矩阵。
9.根据权利要求5所述的岩体失稳声发射前兆信号提取方法,其特征在于,所述步骤S6即为将每一个前兆特征值重构为长度为N的新时间序列。
10.一种岩体失稳前兆判别方法,其特征在于,所述岩体失稳前兆判别方法包括根据权利要求1-9中任意一项所述的岩体失稳声发射前兆信号提取方法,还包括:
利用以下失稳前兆条件之一对所述前兆特征信号进行判别,得到判别结果:
当平均频率参数产生突降和/或当声发射上升时间/幅值参数产生突增时,输出所述前兆特征信号有效,否则,输出所述前兆特征信号无效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211355662.1A CN115950959A (zh) | 2022-11-01 | 2022-11-01 | 岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211355662.1A CN115950959A (zh) | 2022-11-01 | 2022-11-01 | 岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115950959A true CN115950959A (zh) | 2023-04-11 |
Family
ID=87296006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211355662.1A Pending CN115950959A (zh) | 2022-11-01 | 2022-11-01 | 岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115950959A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116297868A (zh) * | 2023-05-22 | 2023-06-23 | 中国矿业大学(北京) | 一种岩爆声发射前兆特征的计算方法 |
CN116519477A (zh) * | 2023-07-04 | 2023-08-01 | 煤炭科学技术研究院有限公司 | 一种岩石失稳判别方法、装置及存储介质 |
CN117589890A (zh) * | 2024-01-19 | 2024-02-23 | 四川省自然资源勘察设计集团有限公司 | 基于声发射特征的岩石崩塌预警方法及系统 |
-
2022
- 2022-11-01 CN CN202211355662.1A patent/CN115950959A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116297868A (zh) * | 2023-05-22 | 2023-06-23 | 中国矿业大学(北京) | 一种岩爆声发射前兆特征的计算方法 |
CN116297868B (zh) * | 2023-05-22 | 2023-08-08 | 中国矿业大学(北京) | 一种岩爆声发射前兆特征的计算方法 |
CN116519477A (zh) * | 2023-07-04 | 2023-08-01 | 煤炭科学技术研究院有限公司 | 一种岩石失稳判别方法、装置及存储介质 |
CN116519477B (zh) * | 2023-07-04 | 2023-09-29 | 煤炭科学技术研究院有限公司 | 一种岩石失稳判别方法、装置及存储介质 |
CN117589890A (zh) * | 2024-01-19 | 2024-02-23 | 四川省自然资源勘察设计集团有限公司 | 基于声发射特征的岩石崩塌预警方法及系统 |
CN117589890B (zh) * | 2024-01-19 | 2024-03-26 | 四川省自然资源勘察设计集团有限公司 | 基于声发射特征的岩石崩塌预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115950959A (zh) | 岩体失稳声发射前兆信号提取方法及失稳前兆判别方法 | |
Okasha et al. | Integration of structural health monitoring in a system performance based life-cycle bridge management framework | |
Calabrese et al. | Identification of corrosion mechanisms by univariate and multivariate statistical analysis during long term acoustic emission monitoring on a pre-stressed concrete beam | |
CN108956767B (zh) | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 | |
US8521444B2 (en) | Method and apparatus for estimating damage in a structure | |
US11231342B2 (en) | Four-dimensional imaging method for structural damage based on time-invariant characteristic signal | |
CN105043865A (zh) | 双场耦合下的混凝土损伤断裂性能测试方法 | |
CN103438794A (zh) | 一种基于压电传感网络的工程结构冲击位置确定方法 | |
CN112036042A (zh) | 一种基于变分模态分解的动力设备异常检测方法及系统 | |
CN111208196A (zh) | 一种高强度螺栓早期疲劳损伤非线性超声波检测方法 | |
CN105699849A (zh) | 一种基于量子行为粒子群优化算法的电压暂降估计方法 | |
Zheng et al. | Fractal characteristics and damage evaluation of corroded beams under four-point bending tests based on acoustic emission techniques | |
Huo et al. | Structural health monitoring using piezoceramic transducers as strain gauges and acoustic emission sensors simultaneously | |
CN112857987B (zh) | 一种基于声发射特性判别微观开裂模式的机器学习算法 | |
Shah et al. | Statistical Development of the V_SQ-Control Chart for Extreme Data with an Application to the Carbon Fiber Industry | |
Tao et al. | A structural monitoring data processing model based on signal musicalization | |
Chen et al. | Unsupervised anomaly detection for long-span bridges combining response forecasting by deep learning with Td-MPCA | |
Kessler et al. | Detection sensitivity analysis for a potential drop (PD) structural health monitoring (SHM) system | |
CN116465975A (zh) | 基于声发射波形识别的断层滑移预警方法及系统 | |
Yusof et al. | Linear kernel support vector machines for modeling pore-water pressure responses | |
Tao et al. | An automatic fuzzy monitoring method of underground rock moisture permeation damage based on MAE fractal | |
CN115236208B (zh) | 一种基于信息增强与变步长稀疏表达的钢轨健康监测方法 | |
Cen et al. | A dynamic criterion for failure probability prediction of GFRP laminates using Lamb wave velocity with improved accuracy and consistency | |
Taylor et al. | The Effects of non-simultaneous failure, pressure correlation, and probabilistic averaging on global ice load estimates | |
Giriga et al. | Electrochemical noise technique for corrosion assessment-A review |
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 |