Estudo das características de evolução dinâmica infravermelha de diferentes filitos de inclinação articular sob compressão uniaxial

Scientific Reports volume 13, Artigo número: 9867 (2023) Citar este artigo

302 Acessos

Detalhes das métricas

O comportamento destrutivo das rochas e o comportamento evolutivo das fissuras estão altamente correlacionados. Com o contínuo processo de desenvolvimento da fissura, o estado de tensão da rocha é constantemente quebrado até falhar totalmente, por isso é necessário estudar as características do comportamento espacial e temporal da fissura no processo de destruição da rocha. Neste artigo, o processo de destruição de amostras de filito é analisado por tecnologia de imagem térmica, e o processo de evolução da temperatura da trinca é estudado para explorar as características infravermelhas do processo de evolução da trinca. Além disso, é proposto um modelo para prever o tempo de destruição de rochas baseado no modelo de rede neural recorrente Bi-LSTM combinado com o mecanismo de Atenção. Os resultados mostram que: (1) Durante o desenvolvimento de fissuras rochosas, a superfície da rocha apresenta uma resposta infravermelha dinâmica estável e apresenta diferentes características evolutivas em diferentes estágios, incluindo principalmente redução de temperatura na fase de compactação, aumento de temperatura na fase elástica e plástica estágios e picos de temperatura no estágio de falha; (2) Durante a evolução da fissura, a destruição da rocha tem um efeito de controle significativo no campo IRT ao longo da direção tangencial e normal da fratura, e sua distribuição tem a volatilidade controlada pelo tempo; (3) O método de rede neural recorrente é usado para prever o tempo de ruptura da rocha, os resultados podem ser usados ​​como um método para prever o tempo de destruição da rocha, e podem ser apresentadas as medidas de proteção correspondentes em conformidade, para manter o longo estabilidade a prazo do maciço rochoso.

Como comportamento mecânico gradual, a destruição da rocha é essencialmente um processo para gerar, expandir e coalescer microfissuras no interior da rocha1. A estabilidade da rocha a longo prazo é de grande importância para a estabilidade de taludes, suporte de estradas e construção de engenharia geotécnica. É a direção principal da pesquisa atual, esclarecendo a lei de destruição de diferentes rochas e propondo os métodos de proteção correspondentes.

Atualmente, os principais métodos de detecção de fissuras são as técnicas de emissão acústica (AE), monitoramento microssísmico (MS) e correlação de imagem digital (DIC). O AE/MS identifica e detecta os defeitos e fissuras do maciço rochoso captando as ondas elásticas geradas pelo transmissor acústico e o próprio maciço rochoso fraturando2,3,4,5,6, enquanto o DIC obtém informações de deformação do maciço rochoso comparando as imagens digitais antes e depois da deformação7,8.

A tecnologia de imagem térmica infravermelha, ao aceitar a energia da radiação infravermelha emitida pela superfície do objeto observado, o tamanho do valor da energia está relacionado à temperatura e à taxa de radiação, o que fornece uma nova perspectiva para o método de detecção de poros rochosos, fissuras9, 10,11,12,13,14,15,16,17. Este método pode realizar a detecção não destrutiva e sem contato de rochas, que pode ser combinada com EA e outras técnicas, ou definir indicadores quantitativos para analisar o processo de destruição de rochas. Estudiosos anteriores realizaram pesquisas em arenito9,10,20,21, carvão, granito22,23. No tratamento quantitativo de imagens térmicas, Wu et al.10 utilizaram o AIRT para explicar o processo de destruição de rochas e propuseram três precursores infravermelhos na evolução das rochas e Zhang et al.21 propuseram que CIRT e SIRT estudassem o arenito defeituoso. Ao analisar a curva temporal do índice quantitativo, são analisadas as alterações anormais do campo IRT antes da fragmentação da rocha e, em seguida, são propostos o modelo de previsão e a equação de ajuste.

A previsão de simulação da destruição de rochas usando um modelo de engenharia e aprendizado de máquina são métodos eficazes para prever o processo de falha da rocha24,25,26,27. Devido à influência do meio ambiente, a curva de ruptura da rocha tem uma forte relação não linear. O método de aprendizagem profunda pode fornecer melhor flexibilidade e precisão com sua excelente tolerância a falhas, aprendizado e capacidade de generalização28. Ao calcular as informações limitadas, a resistência à compressão da rocha11,29,30, a curva tensão-deformação31,32 e o tempo de ruptura21 são previstos antecipadamente.