基于深度学习的岩石微破裂演化声发射行为特征  

Acoustic emission behavior characteristics of rock micro-fracture evolution based on deep learning

作　　者：杨道学 YANG Daoxue(School of Civil and Surveying Engineering,Jiangxi University of Science and Technology,Ganzhou,Jiangxi 341000,China)

机构地区：[1]江西理工大学土木与测绘工程学院,江西赣州341000

出　　处：《岩石力学与工程学报》2022年第8期I0003-I0003,共1页Chinese Journal of Rock Mechanics and Engineering

基　　金：国家自然科学基金资助项目(5156040157)。

摘　　要：我国已建与拟建的岩石工程项目数量之多,规模之大,为世界瞩目,在各类岩石工程施工建设过程中岩石的失稳破坏导致各类工程地质灾害问题愈演愈烈,成为制约岩石工程安全、进度及经济成本的重要因素之一,其中声发射(AE)无损检测技术在各类岩石工程及地质灾害监测预警中应用较为广泛。针对目前基于AE行为的岩石微破裂演化机制研究方面存在的不足,本文综合运用室内试验、理论分析及数值模拟等研究手段,对水力耦合作用下岩石变形破坏过程中微破裂演化机制及AE行为特征进行研究。主要研究内容及结论如下:(1)在岩石AE滤波及定位方面:针对AE信号的低信噪比、随机性强、非平稳性等特点,提出一种基于总体经验模态分解-单通道盲源分离(EEMD-SCBSS)的AE信号滤波算法;为了消除弹性波在岩石内部传播过程中速度对AE定位精度的影响,提出一种基于到时时差粒子群(PSO)的未知波速AE定位算法;并基于MATLAB计算平台开发一套“AE震源矩张量参数反演及震源破裂机制分析软件”,实现对岩石微破裂过程中AE信号的滤波、未知波速AE定位及AE震源微破裂机制分析。(2)在AE震源产生机制的识别方面:由于AE信号在水中传播过程中衰减速率更快,造成数个AE接收传感器同时采集到同一个AE事件变得较为困难,进而导致矩张量反演理论在研究含水条件下岩石变形破坏过程中微破裂演化机制方面存在着一定的局限性;针对矩张量反演理论在识别含水条件下岩石微破裂演化过程中AE震源产生机制存在的问题,提出一种二维深度残差卷积神经网络(ResNet)识别AE震源产生机制的新方法,通过将一维AE信号转换为二维数字图像,利用ResNet对二维数字图像中高级及抽象的AE震源特征进行提取,并成功地解决饱和状态下岩石微破裂演化过程中AE震源产生机制的识别难题。(3)在不同断裂模式下

关 键 词：岩石力学 声发射行为 深度学习 微破裂 震源机制 前兆特征 水力耦合作用 

分 类 号：TU45[建筑科学—岩土工程]