基于改进VMD 和GA-BP 神经网络的砂岩破裂过程预测方法
2021-03-04罗小燕黄祥海汤文聪
有色金属科学与工程 2021年1期
罗小燕, 黄祥海, 汤文聪
(1.江西理工大学机电工程学院,江西 赣州 341000; 2.江西省矿冶机电工程研究中心,江西 赣州 341000)
0 引 言
岩体破裂过程预测是保障采矿安全生产的重要手段,在破裂过程中往往伴随着声发射现象。 岩体声发射是指当岩体承受外部载荷时,其原生裂隙区域应力高度集中,随着载荷的增加并逐渐达到打破原有的稳定应力关系, 岩体发生宏观裂缝扩展和微观内部结构变形, 从而使得岩体以弹性波的形式将积蓄的应力势能向外界释放的一种现象[1]。 由于岩体内部状态和声发射信号特征之间存在一定的非线性映射关系[2]。 因此,通过对岩体破裂过程声发射信号的研究可以加深对其内部结构变化的实时状态的了解[3]。声发射检测技术通过分析处理声发射事件来判断声发射源的位置及规律,是监测岩体稳定性状态的有效手段之一[4]。
近年来, 国内外专家在岩体状态预测方面做了许多有益的探究。 来兴平等对声发射信号特征进行统计学分析,发现了声发射信号特征与岩体破坏之间的非线性关系[5];李夕兵等采用混沌分析提取岩体声发射信号特征参数,并构建神经网络失稳预测模型实现对岩体稳定性评价,表明对声发射信号特征分析能有效预测岩体稳定性[6];黄永刚等获取摩擦角、内聚力、重度、边坡角、孔隙压力比、边坡高度等参数来构建神经网络模型并成功对边坡角稳定性进行预测[7]。 为了提取到有效的岩体破裂过程声发射信号, 国内外许多学者采用变分模式分解法(VMD)对采集到的声发射信号进行去噪处理。……
登录APP查看全文
