Acoustic Emission Characteristics of Loose Particles in Direct Shear Test at Different Rates
-
摘要:
松散颗粒堆积体在自然界和工业生产活动中广泛存在. 为研究其力学性质和失稳过程，基于声发射（acoustic emission, AE）技术探究松散体剪切过程的声学特征演化规律. 首先，分析松散颗粒在不同剪切速率下的AE特征参数；其次，结合加载过程的力学特征对AE演化阶段进行划分；最后，利用频谱变化和小波包能量占比进一步验证松散颗粒剪切破坏的AE演化规律. 结果表明：能量和振铃计数随剪切过程而逐步增大，且剪切速率越快，能量和振铃计数增幅越大；小事件数与大事件数的比值（
b 值）在剪切过程中逐渐降低，剪切速率越大，b 值越小；不同速率下的颗粒抗剪强度约为140 kPa，剪切力峰值集中在400 N左右，振铃计数、AE能量与b 值在剪切运动过程中的变化与剪切破坏阶段密切相关；频谱重心会随剪切过程逐步降低，从大约350 kHz降低至250 kHz，同时，较低频带能量占比增加、较高频带能量占比减少，导致频谱重心不断下移.Abstract:Loose particle accumulations are widely present in nature and industrial production activities. In order to study their mechanical properties and instability processes, acoustic emission (AE) technology was used to explore the evolution law of acoustic characteristics of loose particles in a shear process. Firstly, the AE characteristic parameters of loose particles at different shear rates were analyzed. Then, the AE evolution stages were divided based on the mechanical characteristics of the loading process. Finally, the AE evolution law of loose particles under shear failure was further verified with spectral changes and the proportion of wavelet packet energy. The results show that the energy and ringing count increase gradually with the shear process. The faster the shear rate, the larger the increases of energy and ringing count. The number ratio of small events to large events (
b value) decreases gradually during the shear process, and the larger the shear rate, the smaller theb value. The shear strength of particles at different rates is about 140 kPa, and the peak shear force is about 400 N. The changes of ringing count, AE energy, andb value during shear motion are closely related to shear failure stage. The spectral barycenter gradually decreases in the shear process from about 350 kHz to 250 kHz. Meanwhile, the energy proportion of the low frequency band increases, and the energy proportion of the high frequency band decreases accordingly, which results in a spectral barycenter constantly moving down.-
Key words:
- loose particles /
- shear rate /
- acoustic emission (AE) /
- spectrum analysis /
- wavelet packet decomposition
-
松散颗粒堆积体在自然界和工业生产活动中广泛存在，如滑坡堆积体、尾矿库、排土场及工程废弃土方、工业废渣等，其具有结构松散、孔隙度大、粒间结合力差等特点，有复杂的力学性质和相对较高的失稳风险. 在对这类边坡稳定性监测中，各类新型传感器、3D扫描仪、GPS、地理信息系统（GIS）、遥感（RS）以及干涉合成孔径雷达等新技术逐步得到应用[1-3]，但以上技术主要是基于地表或浅部范围的位移和变形场，对边坡内部变形和滑坡孕育过程却难以掌握.
与研究较为充分的岩土体滑坡不同，颗粒堆积体具有其力学特殊性，堆积体一般通过粒间相互作用来获得抗剪强度[4]，其失稳早期特征涉及到力链的断裂与形成、颗粒重排、颗粒间摩擦和裂隙形成等. 由于这些微观力学过程会释放出瞬态弹性波，即声发射（AE）现象，因此，有机会通过AE技术观察和理解颗粒间微观力学过程. Shiotani[5]对比了土质边坡失稳中微震与声发射之间的差异，发现早期预测可用较高共振频率的AE传感器，而频率较低的微震传感器则对失稳后期较敏感. Dixon等[6]应用AE检测土壤颗粒间摩擦和位移. 李文彪等[7]将AE用于松散颗粒介质边坡、路堤稳定性的研究. Codeglia等[8]开发了一种利用波导杆从剪切区域向传感器传输AE信号的系统，采用振铃计数（RDC）来量化声发射活动并在现场长期监测，得到AE信号和地下水位及积雪等之间的关系. Jiang等[9]开展了多种情况下颗粒材料环剪试验，发现剪切阻力、压实度和滑移位移以及声能释放与剪切速率和粒径的关联，并证实基于AE的破坏先兆预测可行性. Hu等[10]提出用声发射和微震联合监测，获得更准确和及时的预测结果. 贺可强[11]依据传统极限平衡法和位移时序预测法的特点，提出堆积层滑坡位移动力学评价方法. 龙小翠[12]根据声发射源的信号特征和定位结果对山体滑坡的临滑时间和滑坡的规模进行预测. 尽管声发射波的衰减特性影响了其在工程中的大规模应用，但不少学者已开展各类应用并取得可喜成果[13].
以上研究主要围绕岩土体等固结材料，而针对松散颗粒体声发射特征的定量研究依然不充分. 松散颗粒的剪切破坏过程涉及大量粒间作用，其AE信号蕴含与破坏形式和过程相关的大量信息，这使得可通过AE特征数据挖掘来揭示其内在力学行为与过程. 本文开展了不同速率下的松散颗粒直剪过程声发射特征试验研究，旨在为堆积体边坡稳定性监测提供研究思路和数据支撑.
1. 试验设计
试验颗粒材料采用中国ISO标准砂（GSB08—1337），利用高频振筛机筛分出0.5～1.0 mm的砂粒作为试验原料，试件尺寸ϕ61.8×40 mm. 参考土体直剪力学特性和相关技术规范[14]，将试验剪切速率设置为8级，分别为0.8、1.2、1.6、2.0、2.4、2.8、3.2 mm/min和3.6 mm/min，法向压应力设置为200 kPa. 采用ZFY-1A型非饱和土应变控制式直剪仪作为试验平台，其压力室能较好屏蔽环境噪声；剪切试验过程若无峰值，则剪切位移至6～8 mm时停机；声发射检测采用北京软岛DS5-16B多通道声发射仪. 试验装置如图1所示.
上部金属剪切盒上安装1个陶瓷压电传感器，全程记录声发射信号参数与波形信息. 在试验过程中，声发射检测仪以3 MHz的采样频率进行连续数据采集，RS-2A陶瓷压电传感器频率响应范围为100～400 kHz，信号经过40 dB前端放大器后进入主机，最后通过终端处理系统提取特征参数并开展信号分析.
2. 试验结果
2.1 力学特性
根据直剪试验采集的数据，可以获取不同剪切速率下颗粒体的抗剪强度参数. 图2显示剪切峰值应力最大值接近150 kPa，不同速率下松散颗粒的剪切峰值应力相差不大，剪切速率对其抗剪强度的影响不明显.
2.2 振铃计数及AE能量
松散颗粒介质在不同剪切速率下的AE信号特征是：剪切速率越大，其振铃计数数量也越大，如图3（a）所示. 图3（b）为振铃计数的箱线图，对应中位数分别为69.0、69.0、129.0、140.0、207.5、351.0、357.0、468.0次，进一步从统计分布规律上证明了上述规律. 为更好地揭示振铃计数变化规律，将振铃计数值进行累计处理. 如图3（c）所示，剪切速率越大，累计数增加越快.
不同剪切速率下的AE能量释放规律与振铃计数演化规律类似. AE能量对比分析如图4（a）所示，剪切速率越大，能量也越大. 分布统计分析如图4（b）所示，能量与剪切速率呈现出明显的正相关性，剪切速率越大，能量变化趋势越向高能量集中. 但当速率较大时，能量增加将逐渐放缓. 将能量值进行累计处理，如图4（c）所示，剪切速率越大，累计能量越大.
图 4 不同剪切速率下AE能量变化示意Figure 4. Schematic of AE energy variations at different shear rates直剪过程中振铃计数和能量都与加载速率密切相关，剪切速率越快，振铃计数和信号能量越大，这也为基于AE信号特征来预测松散颗粒体剪切速度提供了基础.
2.3 b值分析
b值（式（1））是小事件数与大事件数的比值，常作为判定裂隙发展情况的参数[15].
b=20lgeA−Amin (1) 式中：A为平均幅值，Amin为最小幅值.
b值随时间的演化规律如图5（a）所示. 在加载过程中b值逐渐减小，这是由于剪切破坏所引起的颗粒间的摩擦和力链重排等事件越来越频繁和显著，即大事件比例不断增加. 较大的剪切速率下b值相对较小，说明快速的直剪运动相较于速率较慢的直剪运动，大事件会多一些. 但当速率超过一定值后，b值都较小，差异不再明显. 将不同速率下的b值作箱线图进行统计学分析，如图5（b）所示. 8种剪切速率下b值中位数分别为0.85、0.77、0.62、0.56、0.44、0.33、0.33、0.31，即剪切速率越快，b值则越小，在统计学上表现出明显的相关性，但随着剪切速度的增加，b值减小趋势逐渐放缓.
2.4 AE演化阶段
基于试验数据中剪切力的时间阶段特征，结合文献[16-17]，将剪切试验曲线划分成不同的剪切破坏过程. 以剪切速率0.8 mm/min为例（见图6），可以直观展现出振铃计数的变化趋势与剪切力的演化阶段直接相关.
图 6 松散颗粒体剪切破坏过程分段示意Figure 6. Sectional diagram of shear failure process of loose particles1） 上升阶段. 剪切力不断增大，对应振铃计数也逐步增加，并且剪切力在上升阶段分为3次递增：阶段Ⅰ为剪密阶段，剪切力和振铃计数都迅速增加，剪切力斜率较大，颗粒间开始相互挤压并且伴随一些突变事件发生，如剧烈挤压产生的颗粒滑动；阶段Ⅱ为弹性阶段，增长速度趋于平稳；阶段Ⅲ为应变硬化阶段，剪切力增长减缓，斜率逐步降低，颗粒间互相咬合导致整体强度的增加. 2） 稳定阶段. 剪切力达到峰值并趋于平稳后，振铃计数也达到最高水平并趋于平稳，此阶段颗粒内部间的裂隙已扩展贯通，形成大尺寸的剪切裂隙.
将8组速率下AE演化规律进行对比分析，振铃计数与剪切力均存在对应关系（图7），振铃计数在上升阶段不断增大，进入稳定阶段达到峰值并趋于平稳；AE能量亦与剪切力的阶段有关（图8），能量释放中位数分别为144.67、166.93、212.46、233.26、296.10、389.44、391.64、424.14 mV•ms，AE能量释放强度随剪切速率增加而增大.
图 7 不同速率下剪切破坏过程振铃计数规律Figure 7. Ringing count law of shear failure process at different rates在上升阶段初期阶段Ⅰ，b值数值较大且较不稳定（图9），说明在剪切运动初始阶段松散颗粒体间的挤压还较轻微，并未有较大的挤压破坏或者力链断裂情况出现；阶段Ⅱ、Ⅲ剪切力平稳增大，对应b值下降，说明小尺寸事件减小，大尺寸事件相对增加，剪切过程造成颗粒体间更大的挤压破坏，剪切裂隙逐步形成. 在稳定阶段剪切力达到峰值并平稳，b值也在此阶段趋于平稳.
图 9 不同速率下剪切破坏过程b值规律Figure 9. b value rule of shear failure process at different rates此外，剪切速率对AE特征演化及阶段划分具有明显影响，剪切速度越快，阶段Ⅱ、Ⅲ的持续时间越短，AE特征演化越迅速，能量施放速率越快. 如0.8 mm/min下上升阶段持续约260 s，振铃计数最高约150次/s；3.6 mm/min下上升阶段持续约40 s，振铃计数最高约600次/s. 随剪切速率增加，持续事件减少、AE率（单位时间的振铃计数）增加.
综上，通过振铃计数、AE能量、b值和剪切力对比分析可以发现，声发射特征参数和剪切力变化在剪切试验过程中趋势同步，而这与松散颗粒剪切破坏的过程性也是一致的.
2.5 频谱分析
对直剪试验AE信号采用快速傅里叶变换（FFT），得到功率谱，获得主频、频谱重心等信息. 主频即峰值频率，频谱重心为
F_{\mathrm{C}} = \dfrac{{\displaystyle\int_0^{ + \infty } {fP(f){\mathrm{d}}f} }}{{\displaystyle\int_0^{ + \infty } {P(f){\mathrm{d}}f} }} , (2) 式中：P（f）为信号在频率f处的功率谱.
频谱重心和剪切力对比分析如图10所示. 由图可知：较小剪切速率（0.8～2.0 mm/min）下，初始阶段频谱重心相对较大且波动性较大，普遍在350 kHz左右波动；随后进入阶段Ⅱ，剪切力迅速增加，频谱重心则不断快速下降. 经历阶段Ⅱ后，频谱重心开始放缓降低趋势；在稳定阶段的信号频谱重心基本稳定在250 kHz附近. 较大速率（2.4～3.2 mm/min）下，阶段Ⅰ频谱重心较大且不稳定；进入阶段Ⅱ，重心频率从300 kHz降到240 kHz；最后降至240 kHz左右并趋于稳定. 速率3.6 mm/min的频谱重心在阶段Ⅰ不太稳定，但后期依然呈现一定规律，240～290 kHz之间变化，在240 kHz左右趋于稳定.
图 10 不同速率下剪切破坏过程频谱重心规律Figure 10. Spectral barycenter of shear failure process at different rates造成剪切破坏过程中声发射信号频率变化的主要原因可能是破裂尺度的变化. 松散体剪切破坏过程总是从微观到宏观，伴随着剪切破坏尺度的不断增加；而产生弹性波的频率也与破裂尺度密切相关，
一般而言，破裂尺度越大则信号频率越低. 因此，在松散颗粒剪切初期声发射信号频率较高，随着剪切破坏继续发展，剪切破坏面逐渐增大，信号频率则不断降低. 此外，图11横向对比了不同剪切速率下频谱重心分布差异性，可见剪切速率越快，频谱重心的下降越快，这与裂隙面发展速度是有关的. 以上研究揭示了松散颗粒堆积体剪切破坏情况以及剪切速率与声发射信号频率之间的内在关联.
2.6 小波包频带能量占比
小波包变换可以对信号进行时频局部化分析，对AE信号进行3层小波包分解，根据采样定理划分频带，再计算各频带的能量百分比，即可反映出不同频带信号的变化趋势.
计算结果表明，能量基本集中在前2个较低频带，图12（a）～（h）为不同加载速率下0～187.5 kHz频带能量占比变化，而图12（i）～（p）则为187.5～375.0 kHz频带能量占比情况. 通过能量占比图可以看到，第1个频带（0～187.5 kHz，低频带）中能量占比不断增加，直到80%多，即AE信号频率总体呈现降低趋势，而高于375.0 kHz的频率会迅速衰减.
图 12 0～187.5 kHz及187.5～375.0 kHz频带能量占比变化情况Figure 12. Variations in energy proportion of frequency bands of 0–187.5 and 187.5–375 kHz由此可见，在剪切过程中，声发射信号频率总体上会降低. 形成此规律的原因是随着直剪过程的进行，剪切接触面发生颗粒挤压、摩擦事件增加、咬合效果增强的现象，最终大事件数会占主导，所以呈现出信号强度大、频率小的变化趋势. 在松散体边坡预警中，可把信号的这种变化趋势看作出现宏观破坏的预警前兆.
3. 结 论
通过开展标准砂剪切声发射监测试验，获取了颗粒体在不同剪切速率下AE特征参数和频谱等的演化规律，为进一步研究堆积体边坡稳定性和安全监测预警提供一定理论依据.
1） 振铃计数、AE能量和b值均对松散体剪切速率变化较为敏感，具有较好规律性. 振铃计数和能量都随剪切应力增大而增加，并且速率越大对应的振铃计数和AE能量亦越大；而b值变化规律恰好相反，剪切速率越大b值越小. 上述规律可为滑坡预测预警指标选取提供理论支持.
2） 振铃计数、AE能量、b值与剪切破坏阶段密切相关. 在上升阶段中的剪密阶段Ⅰ、弹性阶段Ⅱ和应变硬化阶段Ⅲ，振铃计数和能量分别经历加速、平稳和减速增加，而b值则是分别经历加速、平稳和减速下降；在稳定阶段中，当剪切力达到峰值并趋于稳定后，相关参数亦趋于平稳.
3） AE信号频谱重心在剪切过程中逐步降低，剪切速率快的频谱重心下降也越快，大致从350 kHz降低至250 kHz左右，这与裂隙尺寸的形成速度有关系；此外，通过小波包分解也可发现较低频带能量占比逐步增加、较高频带能量占比逐步减少的变化规律.
-
图 4 不同剪切速率下AE能量变化示意
Figure 4. Schematic of AE energy variations at different shear rates
图 6 松散颗粒体剪切破坏过程分段示意
Figure 6. Sectional diagram of shear failure process of loose particles
图 7 不同速率下剪切破坏过程振铃计数规律
Figure 7. Ringing count law of shear failure process at different rates
图 9 不同速率下剪切破坏过程b值规律
Figure 9. b value rule of shear failure process at different rates
图 10 不同速率下剪切破坏过程频谱重心规律
Figure 10. Spectral barycenter of shear failure process at different rates
-
[1] 韦忠跟,徐玉龙,丁辉,等. 霍林河北露天煤矿排土场边坡滑坡模式与雷达监测预警[J]. 现代矿业,2022,38(1): 71-74,78. doi: 10.3969/j.issn.1674-6082.2022.01.016WEI Zhonggen, XU Yulong, DING Hui, et al. Slope landslide mode and radar monitoring and early warning of dump slope in Huolinhe north open-pit coal mine[J]. Modern Mining, 2022, 38(1): 71-74,78. doi: 10.3969/j.issn.1674-6082.2022.01.016 [2] 张庆斌,赵之星,刘志奇. 基于单目影像对滑坡监测应急预警的方法探究[J]. 煤炭科学技术,2021,49(7): 185-191.ZHANG Qingbin, ZHAO Zhixing, LIU Zhiqi. Study on method of emergency warning for landslide monitoring based on monocular images[J]. Coal Science and Technology, 2021, 49(7): 185-191. [3] 吴绿川,王剑辉,符彦. 基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测[J]. 测绘通报,2021(7): 98-102.WU Lvchuan, WANG Jianhui, FU Yan. Early identifying and monitoring landslides in Guizhou province with InSAR and optical remote sensing[J]. Bulletin of Surveying and Mapping, 2021(7): 98-102. [4] MAO W W, HEI L S, YANG Y. Advances on the acoustic emission testing for monitoring of granular soils[J]. Measurement, 2021, 185: 110110.1-110110.9. [5] SHIOTANI T. Evaluation of long-term stability for rock slope by means of acoustic emission technique[J]. NDT & E International, 2006, 39(3): 217-228. [6] DIXON N, SPRIGGS M. Quantification of slope displacement rates using acoustic emission monitoring[J]. Canadian Geotechnical Journal, 2007, 44(8): 966-976. doi: 10.1139/T07-046 [7] 李文彪,王轶,陈新,等. 基于声发射监测的路堤相似模拟破坏过程分形特征研究[J]. 公路,2017,62(7): 33-38.LI Wenbiao, WANG Yi, CHEN Xin, et al. Fractal analysis of similar simulation of embankment failure process based on acoustic emission monitoring technology[J]. Highway, 2017, 62(7): 33-38. [8] CODEGLIA D, DIXON N, FOWMES G J, et al. Analysis of acoustic emission patterns for monitoring of rock slope deformation mechanisms[J]. Engineering Geology, 2017, 219: 21-31. doi: 10.1016/j.enggeo.2016.11.021 [9] JIANG Y, WANG G H, KAMAI T. Acoustic emission signature of mechanical failure: insights from ring-shear friction experiments on granular materials[J]. Geophysical Research Letters, 2017, 44(6): 2782-2791. doi: 10.1002/2016GL071196 [10] HU W, SCARINGI G, XU Q, et al. Acoustic emissions and microseismicity in granular slopes prior to failure and flow-like motion: the potential for early warning[J]. Geophysical Research Letters, 2018, 45(19): 10406-10415. [11] 贺可强. 复杂堆积层滑坡的稳定性评价方法分析与展望[J]. 青岛理工大学学报,2016,37(1): 1-9,26.HE Keqiang. Analysis and prospects of the stability evaluation methods of the complicated colluvial landslides[J]. Journal of Qingdao University of Technology, 2016, 37(1): 1-9,26. [12] 龙小翠. 山体滑坡中声发射信号的检测及定位方法研究[D]. 成都: 成都理工大学,2016. [13] 丛宇,王在泉,郑颖人,等. 卸围压路径下大理岩破坏过程的声发射特性试验研究[J]. 西南交通大学学报,2014,49(1): 97-104.CONG Yu, WANG Zaiquan, ZHENG Yingren, et al. Experimental study on acoustic emission features of marbles during unloading failure process[J]. Journal of Southwest Jiaotong University, 2014, 49(1): 97-104. [14] AJMERA B, TIWARI B, SHRESTHA D. Effect of mineral composition and shearing rates on the undrained shear strength of expansive clays[C]// GeoCongress 2012: State of the Art and Practice in Geotechnical Engineering. Oakland: American Society of Civil Engineers, 2012: 1185-1194. [15] 吴鑫,王雪梅,罗筱毓,等. 不同加载速率下波导杆三点弯曲声发射参数分析[J]. 中国安全科学学报,2021,31(10): 159-166.WU Xin, WANG Xuemei, LUO Xiaoyu, et al. Analysis of AE parameters of waveguide rod at different loading rates under three-point bending[J]. China Safety Science Journal, 2021, 31(10): 159-166. [16] 王璐,刘建锋,裴建良,等. 细砂岩破坏全过程渗透性与声发射特征试验研究[J]. 岩石力学与工程学报,2015,34(增1): 2909-2914.WANG Lu, LIU Jianfeng, PEI Jianliang, et al. Experimental research on permeability and acoustic emission characteristics during whole failure process of fine sandstone[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(S1): 2909-2914. [17] 刘建锋,丁国生,张强星,等. 弯曲加卸载下杂质盐岩断裂力学行为特征研究[J]. 工程科学与技术,2020,52(3): 107-114.LIU Jianfeng, DING Guosheng, ZHANG Qiangxing, et al. Investigation on fracture mechanical behavior of salt rock with impurities under bending loading-unloading conditions[J]. Advanced Engineering Sciences, 2020, 52(3): 107-114. -
下载:
下载:
点击查看大图
计量
- 文章访问数: 220
- HTML全文浏览量: 60
- PDF下载量: 37
- 被引次数: 0