尾矿砂介质渗流过程诱发声发射信号特征试验研究*

2021-10-12赵红霞罗筱毓林华李

中国安全生产科学技术 2021年9期

赵红霞，吴鑫,2，罗筱毓，朱旭，林华李

(1.四川师范大学工学院，四川成都 610101；2.四川大学水利学与山区河流开发保护国家重点试验室，四川成都 610065)

0 引言

尾矿库是金属、非金属矿山进行矿石选别后排出尾矿的堆存场所，也是维持矿山正常生产的必要设施[1]。尾矿库是1个具有高势能的人造泥石流危险源，在世界93种事故、公害隐患中，尾矿库事故名列第18位[2]。Berghe等[3]在对世界各国内3 500个尾矿库进行统计调查时发现，平均每年约有2～5个尾矿库溃坝，其机率为水库溃坝事故的10倍以上。国内外垮坝失事统计资料数据表明，失事原因以渗流破坏最多，占30%～40%[4]。由此可见渗透破坏是尾矿库溃坝事故的重要致因，监测和预报渗流状态可有效预防溃坝事故的发生。

数值模拟、相似模拟等是目前尾矿库渗流研究的主要手段。李根等[5]利用FLAC3D对尾矿库进行渗流模拟，发现冲沟位置有较大的速度矢量，对流沙的裹挟会加剧局部破坏；张富宏等[6]采用三维流固耦合分析尾矿库达到一定标高后坝体在静态、动态和渗流条件下的稳定性；尹光志等[7]利用2D-FLOW有限元软件对某尾矿坝渗流特性进行研究，认为尾矿堆积物的改变会对尾矿库的稳定产生不良影响，并提出加固处理意见；齐清兰等[8]基于有限元方法分析了初期坝排渗能力、干滩长度等，以及各层渗透系数、下游坡比等因素对坝体浸润线的影响；Lam等[9-10]推导了非饱和土的一维固结方程，并运用二维有限元法对复杂地下水流动系统的几个瞬态渗流实例进行验证；刘银坤等[11]采用Geo-studio建立了某尾矿库坝体剖面模型，对其进行渗流稳定性分析；马池香等[12]将水土作用理论引入尾矿坝渗流场分析，从宏观和微观2方面分析尾矿坝内水土交互作用与过程，并以某铁矿尾矿坝为例进行有限元渗流模拟。随后，声发射技术也逐渐被应用到此领域。Koerner等[13]开展了利用AE技术监测土壤过度渗流的先锋工作，在1个沉重的钢丝(波导)上安装1个加速度计，然后插入到1个小土坝下游的钻孔中，结果表明，随着渗流速率的增大，AE活性呈明显的上升趋势；徐炳峰等[14]用声发射技术监测流土的发生、发展，通过室内试验得出流土破坏前有声发射前兆，将声发射技术引入了监测土体的渗透变形中；明攀等[15]开展了室内堤基管涌砂槽模型试验，将声发射传感器埋置于堤基中分析堤基管涌过程中的声发射信号规律，建立管涌发生和发展的判别准则，模拟对堤防管涌的实时监测和预报。

综上，目前对尾矿坝渗流状态的研究主要基于大量的数值模拟和相似模拟，其研究成果能够对渗流状态进行初步解释和预测，但渗流参数的直接获取手段依然十分有限。声发射技术作为无损检测的1种，虽已经进入广大学者的视线，但目前国内外学者把声发射技术运用在渗流方面的研究还很少，用于尾矿库坝体渗流监测的研究则更少。由于渗流过程地下水的冲刷和颗粒搬运等会引起弹性波等形式的能量释放，声发射技术可对这种波进行监测。基于此，将尝试采用声发射手段来监测尾矿砂渗流过程的AE(Acoustic Emission-声发射的英文简称)信号特征，对液面上升、不同粒径尾矿砂介质以及不同流速诱发的AE信号进行分析，力求基于AE信号来预测尾矿介质内部渗流状态参数，从而为尾矿库安全监测提供一种新思路。

1 试验设计

1.1 理论基础

多孔介质渗流过程诱发声发射事件主要源于以下因素：海恩斯跳跃(Haines jumps)，由于流体并不是均匀地流过多孔介质，而是跃进式(即海恩斯跳跃)，这一过程中会有能量的释放；空气震荡或夹带气泡，多孔体系中携带有气相组分，在液体流动过程中会将其挤压出，从而导致空气震荡或产生气泡，此外气泡破裂时也会伴随能量的释放；液体桥(即固体间的小液柱)断裂，液体桥的破裂是与快速界面重构相关的过程，当液面下降时，被困液体桥逐渐收缩到临界体积以下，导致它们突然破裂与界面能量快速释放；颗粒重排和碰撞、界面折断，在液面通过孔隙时会带来一定动能，当这种动能过大时可能会引起颗粒的碰撞与重排，甚至有时还会导致界面折断。以上过程均会释放能量，并被声发射设备检测为声发射事件。

1.2 材料制备

试验所用尾矿砂采样自川西地区某铁矿尾矿库干滩，通过3处位置取样后混合作为本次试验所用材料。通过筛分试验获得尾矿砂的级配曲线如图1所示，该试件的特征粒径d10，d30和d60分别为0.11，0.18和0.41 mm，不均匀系数Cu为3.73；曲率系数Cc为0.72。采用高频振筛机分别筛分出0.1～0.25，0.25～0.5，0.5～1 mm的不同粒级尾矿砂，以及混合粒径尾矿砂自然风干并备用。

图1 尾矿砂粒径级配曲线Fig.1 Particle size gradation curve of tailings sand

1.3 试验设备

试验采用DS5-16B声发射检测系统，该系统可同时支持16个信号通道在3 MHz采样率下采样，使用4 TB硬盘储存，并采用40 dB的前端增益放大器及RS-2A压电式传感器采集信号，具有灵敏度高，稳定性好的特点。渗流装置采用自制矩形截面渗透仪、TST-55型渗透仪以及能控制水头高度的双阀门水槽，试验原理如图2所示。

图2 实验原理Fig.2 Experimental principle

1.4 试验流程及方案

为探究尾矿砂渗流过程中液面上升、粒径大小及介质流速对能量释放的影响机制与AE信号的变化规律，分别设计液面上升和不同流速渗流试验。2次试验方案如下：

1)尾矿砂介质液面上升过程AE特征试验

在矩形截面渗透体内均匀填充尾矿砂，并在其表面每隔40 mm布设1个传感器；当双阀门水槽里液面与地面之间的高度达到800 mm时打开另1个阀门使水渗入尾矿砂；在容器一侧竖立1个直尺，用于实时记录液面高度，同时打开AE软件进行波形信号记录；水位超过3号传感器位置时停止测试并保存好数据；换用不同粒径的尾矿砂重复以上操作，最后进行数据处理。

2)不同流速下的尾矿砂渗流AE特征试验

同样采用试验1)的AE系统，选择1组尾矿砂填充到TST-55型渗透仪内，在侧面布置1个传感器，连接好导管；分别以h1，h2，h3(800,1 100,1 400 mm)水头高度的水流渗入尾矿砂内，当水流速度稳定后，启动AE软件进行测试，记录一定时间后停止试验；为了避免偶然性，把4组(包括混合颗粒)尾矿砂都进行上述试验，保存好数据,分析处理，得出试验结论。

2 数据分析

2.1 尾矿砂粒径和液面位置对AE信号的影响

由于噪声对AE信号的影响很大，且有效信号大约在100～400 kHz之间，故先利用滤波器进行滤波。计算每10 s内的AE事件数随时间的变化，即AE率(阈值设定为1 mV)。试验数据总会存在异常值，为了忽略这些离散点对总体曲线走向的影响，进行曲线拟合，如图3所示，振铃计数随幅值的变化如图4所示。

从图3(a)～(c)中可以看出，试验所选取的几种颗粒在渗流过程中，液面在上升时，越接近传感器AE率便越大，且拟合曲线的峰值也能和传感器的位置重合，这表明液面位置处所产生的AE信号最强，且AE信号随液面位置与传感器距离而变化，越接近传感器AE信号越强即AE信号可以反映液面的变化。

为了进一步证明粒径大小对尾矿砂渗流产生的AE信号的影响，对3个信号通道分别进行比较。从图3(d)～(f)和图4中可以看出，流速相同时均是粒径大的1组AE率大；同一幅值下，粒径大的AE振铃计数数值也较大，这表明尾矿砂粒径对渗流有较大的影响，粒径越大，尾矿砂渗流过程的AE信号越强。

图3 AE率随时间变化拟合曲线Fig.3 Fitting curves of AE rate changed with time

图4 不同粒径下AE振铃计数随幅值变化Fig.4 Change of AE ring count with amplitude under different particle sizes

根据渗流产生AE信号的相关理论，结合试验结果，可以得出：液面处是水相和气相的交界处，由于两者受到的压力不同，导致在液面处易于产生气泡、气泡破裂以及发生颗粒的碰撞与重排等活动，这也就使得液面处的AE信号较其他位置的信号强，AE信号会随着传感器的布置而变化；本文尾矿砂的粒径是指在一定范围内的尾矿砂，粒径范围越大，则颗粒粒径分布越广，发生颗粒碰撞、界面重构等产生产AE信号活动的可能性越大，且同一流速下，颗粒粒径越大，碰撞产生的能量也越多，则释放出更多可被监测为AE信号的弹性波。

2.2 不同流速下的AE信号特征

为了避免试验的偶然性，仍然选取以上3组尾矿砂并增加了混合颗粒的尾矿砂分别进行试验。计算每1 s内的AE事件数随时间的变化(阈值设定为0.4 mV)，即AE率(试验较第1部分时间短故选择1 s)，以及AE振铃计数随幅值的变化。0.1～0.25，0.25～0.5，0.5～1 mm以及混合粒径的AE信号特征分别如图5～8所示。