尾矿砂介质渗流过程诱发声发射信号特征试验研究*

为了对渗流状态进行预测预报,从而预防渗透破坏事故的发生,基于地下水位上升、不同尾矿砂粒径以及渗流速度诱发的弹性波信号,采用声发射技术对尾矿砂介质的渗流状态进行监测。由800,1 100,1 400 mm 3种不同水头高度（流速）下的水流分别渗入0.1~0.25,0.25~0.5,0.5~1 mm以及混合粒径的尾矿砂介质中,模拟尾矿坝渗流,监测渗流过程的AE信号,分析液面上升、不同粒径尾矿砂颗粒以及不同流速下的渗流AE信号特征。结果表明:在试验所选用的几组粒径中,流速相同时,粒径较大的尾矿砂渗流产生的AE事件数量多、幅值大,即粒径越大,尾矿砂渗流过程的AE信号越强;同一粒径下,流速越小,渗流产生的AE信号幅值越小,AE事件数越少,即流速越小,尾矿砂渗流过程的AE信号越弱;液面上升过程中,在液面位置处产生的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,这表明AE技术能够较为准确地监测渗流过程中液面上升。研究结果可为尾矿坝渗流监测提供理论与技术支持。     

基于BP神经网络的岩石损伤声发射事件源定位研究*

工程岩体一般包含大量的节理、裂隙等各类缺陷,利用AE技术可以对缺陷进行定位,但仍然有很大误差。为进一步减小AE定位误差,确定缺陷位置,做好安全预警工作,研究提高岩石声发射定位精度的优化方法。利用断铅实验模拟产生声发射信号,将声发射信号特征参数中的幅值、能量、振铃计数以及到达时差作为输入,断铅点真实坐标作为输出,构建BP神经网络模型,并通过实验确定最优隐含层数等参数,最后通过交叉学习训练交叉预测得出断铅点坐标,并与基于到达时差的传统定位法以及考虑材料各向异性条件下的波速优化算法进行对比。结果表明:BP神经网络算法与传统方法相比,板状岩石声发射定位的误差显著减小,定位精度提高;岩石试件定位误差的误差波动更为平稳,有效改善了声发射源位置对定位效果的影响。本方法为岩石缺陷的精确定位提供了1种较好的技术手段。