Acoustic emission and crack evolution characteristics of cemented tailings backfill under different loading rates
-
摘要:
为探究加载速率v对胶结充填体裂纹演化机制的动态调控规律，开展了v=0.002，0.004，0.008，0.010 mm/s下的单轴压缩同步声发射试验。通过分析声发射振铃计数、平均频率（AF）、上升时间−幅值比（RA）及r值（RA/AF）的时变特征，并结合高斯混合模型（GMM）与移动平均滤波算法对RA-AF数据集进行无监督聚类，以识别裂纹类型及其演化规律。研究结果表明：① 峰值应力（σf）附近，充填体的声发射振铃计数呈现区间震荡现象，随着v增大，充填体的弹性变形及塑性屈服阶段的振铃计数波动率减小；② v从0.002增至0.010 mm/s时，AF分布集中范围随速率增加由0～150 kHz压缩至0～100 kHz，RA分布集中范围由0～5 ms/V扩展至0～10 ms/V，且高RA信号集中于AF<80 kHz窄带；③ v增大对峰后破坏模式具有显著影响，剪切裂纹比例由19.11%（v=0.002 mm/s）跃升至64.23%（v=0.010 mm/s），表明v增大会驱动破坏机制从拉伸破坏主导向拉伸−剪切复合型破坏转化；④ 以加载应力阶段为界限，GMM聚类分析可将充填体的裂纹演化分为拉伸裂纹主导（0～20%σf）、拉伸−剪切裂纹转化（20%σf～80%σf）、剪切裂纹快速增长（80%σf ～100%σf）和剪切−拉伸裂纹共同主导（峰后破坏）4个阶段，其中剪切裂纹在80%σf ～100%σf处的快速增长是充填体局部失稳破坏的前兆特征。研究可为充填体的稳定性分析与破坏预测提供理论支持。
Abstract:To investigate the dynamic regulation mechanism of loading rate on crack evolution in cemented tailings backfill (CTB), uniaxial compression tests with acoustic emission (AE) monitoring were conducted at loading rates v of 0.002, 0.004, 0.008, and 0.010 mm/s. By analyzing the time-varying characteristics of AE parameters, including ring count, average frequency AF, rise time–amplitude ratio RA, and r-value (RA/AF), and applying unsupervised clustering to RA–AF datasets using Gaussian Mixture Model (GMM) combined with a moving average filter, crack types and their evolution patterns were identified. The results indicate that: ① Near peak stress, AE ring counts of CTB exhibit interval oscillations. With increasing loading rate, the fluctuation amplitude of ring counts during elastic and plastic yield stages decreases. ② As the loading rate increases from 0.002 to 0.010 mm/s, the concentrated range of AF distribution exhibited a progressive compression from 0 − 150 kHz to 0 − 100 kHz, while the RA distribution range expanded from 0 − 5 ms/V to 0 − 10 ms/V, with high-RA signals concentrated in the narrow band of AF < 80 kHz. ③ The increase in loading rate significantly affects the post-peak failure mode: the proportion of shear cracks rises sharply from 19.11% (v=0.002 mm/s) to 64.23% (0.010 mm/s), indicating a shift in failure mechanism from tensile-dominated to tensile–shear composite failure. ④ Based on stress stages, GMM clustering divides crack evolution into four phases: tensile crack dominance (0 − 20%σf), tensile–shear crack transition (20%σf − 80%σf), rapid shear crack growth (80%σf − 100%σf), and tensile–shear co-dominance (post-peak failure). Among them, the rapid increase in shear cracks at 80% – 100% of peak stress is identified as a precursor to localized instability. This study provides theoretical support for stability analysis and failure prediction of CTB.
-
0. 引 言
充填开采技术在矿山采矿工程中得到了广泛应用，其核心目标是提高矿产资源回收率、控制地表沉降及优化采场稳定性[1-3]。胶结充填体作为重要的矿山充填材料，其力学特性和稳定性直接影响采矿作业的安全性及经济性。胶结充填体的力学响应与破坏演化受诸多因素影响，其中加载速率v是决定充填体变形和裂纹扩展模式的重要因素之一。在实际工程中，充填体可能处于不同的应力加载环境，例如采动影响或矿体开采顺序调整，充填体可能经历不同速率的应力加载[4-5]。因此，研究不同v下充填体的裂纹演化特征，对于理解其破坏机理、优化充填工艺及提升矿山安全性具有重要的理论价值和工程意义。
近年来，随着试验测试与数值模拟技术的发展，学者们对充填体的力学行为开展了大量研究[6-7]。充填体的力学特性受其组分材料[8]、胶结剂含量[9]、养护时间[10]及加载方式[11]等因素的影响。许多研究表明，充填体在加载过程中会经历裂纹萌生、扩展及最终失稳破坏的全过程[12-13]。LIU等[14]对不同养护温度下改性镁渣基充填材料的力学性能进行研究，发现随着养护温度的升高，拉伸裂纹随之增多；ZHANG等[15]研究了高含水率材料胶结充填体的力学性能及损伤演化特征，研究表明高含水率充填体在单轴压缩下表现出延性破坏，材料具有较高的残余强度，在达到峰值承载力后表现出良好的稳定性；侯永强等[16]对胶结充填体的力学响应及能量损伤演化进行了研究，发现动载作用下充填体的受荷能量损伤演化过程划分为损伤稳定发展阶段、损伤加速阶段和损伤破坏阶段3个阶段。目前针对充填体裂纹演化的研究主要集中在单一v下的变形特征分析，尚缺乏系统性探讨v对裂纹演化路径及破坏机制的影响。因此，有必要开展不同v下充填体裂纹演化规律的研究，以进一步揭示其破坏模式，为工程实践提供指导。
裂纹的萌生与扩展是充填体破坏的主要形式，其本质上是能量积累与释放的过程。在此过程中，声发射（AE）技术作为一种高灵敏度的非破坏性检测手段，被广泛应用于材料损伤演化研究。声发射信号可用于识别裂纹类型，并通过特征参数（如振铃计数、平均频率AF和上升时间−幅值比RA等）表征裂纹的时变特征[17]。已有研究表明，拉伸裂纹和剪切裂纹在声发射信号特征上表现出明显差异，拉伸裂纹通常具有较高的AF和较低的RA，而剪切裂纹则呈现相反的趋势[18]。基于此，引入高斯混合模型理论，建立二维高斯混合模型，利用多个高斯概率密度分布来区分加载过程中胶结充填体的低声发射AF及高声发射RA，进一步对高RA与低AF的数量特征进行统计，从而精准识别载荷作用下胶结充填体的裂纹类型与演化行为。
针对不同v下胶结充填体的裂纹演化特征展开研究，首先分析不同v下充填体声发射信号（振铃计数、RA、AF、RA/AF等）的时变特征，探讨v对声发射参数变化趋势的影响；然后基于高斯混合模型（GMM）理论，结合移动平均滤波算法，对充填体声发射数据进行无监督聚类分析，以识别裂纹类型及其演化路径；最后探讨v对裂纹主导类型及破坏模式的影响，揭示充填体裂纹演化的阶段划分及其关键特征。以期为充填体的稳定性分析与破坏预测提供理论支持，并为矿山充填体的优化设计提供科学依据。
1. 试验方案及设备
1.1 试验试件
制备胶结充填体试样的材料：细骨料（金矿尾矿）、胶凝材料（复合硅酸盐水泥P·C32.5）及普通自来水。利用激光粒度仪测定金矿尾矿的粒度分布（图1）。尾矿粒径分布的结果为d10=0.43 μm、d50=3.15 μm、d60=4.03 μm，其中尾砂的不均匀系数Cu=9.37、曲率系数Cc=0.95。试件料浆质量分数为68%，水泥与尾砂比为1∶8。试样为直径50 mm、高度100 mm的圆柱体，共分为4组，每组3个试样。试样的制备严格按照JGJ 55—2011《普通混凝土配合比设计规程》的要求进行[19]。采用振捣方式使水、尾砂和水泥充分混合，搅拌均匀后倒入标准试模中，静置24 h待凝固后脱模。随后，试样在温度（22±5）℃、相对湿度75%±5%的条件下自然养护7 d后进行试验，试样如图2所示。
1.2 试验设备及程序
采用美特斯微机控制电子万能试验机对胶结充填体进行了v=0.002, 0.004, 0.008, 0.010 mm/s下的单轴压缩同步声发射试验。充填体试样的抗压强度结果见表1。声发射试验采用设备为Micro-II Express Digtal AE System，声发射监测系统的参数设置：采样频率为1 024 kHz、波形阈值为35 dB、前置放大器增益为40 dB、间隔参数为50 µs、采样点为1 024 kHz及触发方式为内部触发。限于篇幅，对每组的平行试样的应力、声发射数据进行处理后，在不改变数据规律趋势的前提下，取平行试样中最具代表性的试样数据进行分析。
表 1 充填体试样抗压强度结果Table 1. Compressive strength results of CTB samplesv/（mm·s−1） 试样编号 抗压强度/MPa 平均强度/MPa 0.002 A1 0.645 0.616 A2 0.608 A3 0.595 0.004 B1 0.692 0.673 B2 0.680 B3 0.647 0.008 C1 0.830 0.797 C2 0.837 C3 0.724 0.010 D1 0.653 0.598 D2 0.563 D3 0.578 2. 结果与分析
2.1 声发射基本参数特征
2.1.1 声发射振铃计数特征
图3显示了不同v下充填体的振铃计数与应力之间的关系。由图3可知，胶结充填体的应力阶段主要由压密（OA）、弹性变形（AB）、塑性屈服（BC）及峰后破坏（CD）阶段组成。压密阶段，充填体内部的原生裂隙在载荷作用下逐渐闭合，裂隙面或颗粒的滑移和摩擦产生了一定数量的声发射信号。弹性变形阶段，v增大使得该阶段的应变历程先减小后增大，弹性变形、塑性屈服阶段内的振铃计数波动率随v增大而减小。塑性屈服阶段，振铃计数总是由相对高位往相对低位震荡，这表明试件的振铃计数具有较明显的变异特征，这可能与试件内部的破坏形式发生转变有关。峰后破坏阶段，试件的振铃计数具有较为激烈的上下波动特征，可能是由于试件逐渐由局部的损伤破坏向整体失稳转变所导致的。
![]()
图 3 不同v下充填体声发射振铃计数特征Figure 3. Characteristics of acoustic emission ringing counts of CTB at different loading rates在低加载速率（v=0.002，0.004 mm/s）条件下，应力−应变曲线呈现平缓的峰后软化，表明充填体破坏以延性为主，且声发射振铃计数波动较小；中高加载速率（v=0.008，0.010 mm/s）条件下，随着v增大，峰后应力下降更陡峭，表明破坏模式趋于脆性。尤其在v=0.010 mm/s时（图3d），振铃计数峰值可达到80左右，反映剧烈的内部裂纹扩展。此外，低加载速率（v=0.002 mm/s）下，加载时间长达458 s左右，达到峰值应力时所对应的应变为0.007 7，峰后应变缓慢累积，而高加载速率（v=0.010 mm/s）下，加载时间缩短至142 s左右，达到峰值应力时所对应的应变为0.013 9，峰后应变迅速达到临界值并引发整体失稳破坏。
2.1.2 声发射RA-AF特征
拉伸裂纹的扩展释放的声发射能量主要由纵波（传播速度较快）携带，这通常导致高AF与低RA之间的关联；而剪切裂纹的扩展则伴随剪切波（传播速度较慢），从而使得低AF与高RA相对应。因此，胶结充填体破裂机制的演化可通过了解RA及AF的变化来探讨。不同v下试件的声发射RA及AF的二维核密度分布如图4所示。
![]()
图 4 不同v下充填体声发射AF-RA特征Figure 4. AF-RA characteristics of CTB at different loading rates如图4所示，v=0.002，0.004，0.008，0.010 mm/s下，充填体的声发射AF及RA呈现显著分布差异：AF信号分布随加载速率增大逐渐向低频区偏移，分别集中于0～150 、0～125、0～125及0～100 kHz范围；RA信号分布随加载速率的增大分别集中于0～5、0～5、0～5 及0～10 ms/V。值得注意的是，声发射信号的高RA特征参数主要分布于AF<100 kHz区间，且该区间上限随v提升进一步压缩至更窄带（如0.010 mm/s时AF<80 kHz）。由于高RA且低AF的声发射信号与剪切裂纹的产生密切相关，表明v增大显著促进了剪切型损伤的演化。此外，试验数据显示，v从0.002增至0.010 mm/s时，有效RA-AF数据点数量减少约71.5%，这可能与高速率下声发射信号瞬态特性增强（如信号重叠率提升）及材料动态损伤的局部化效应有关[4]。
2.1.3 声发射r值时序特征
声发射r值可以反映材料的破坏行为，当r值较大的信号增多时，说明试样破坏加剧。图5显示了不同v下充填体声发射r值与应力随时间的变化关系。
![]()
图 5 不同v下充填体声发射r值特征Figure 5. Characteristics of r-value of acoustic emission of CTB at different loading rates由图5可知，充填体的声发射r值在时间维度上呈现出显著的多峰分布特性。在低加载速率（v=0.002，0.004 mm/s）条件下，压密与弹性变形阶段的声发射r值信号密度较低，且相邻峰值间距明显。然而，在峰后应力阶段，r值信号主要在0～ 0.5 ms/（V·kHz）剧烈振荡，表明此阶段充填体内部发生非均匀损伤，伴随裂纹贯通及能量集中释放。值得注意的是，当v增至0.010 mm/s时，r值信号分布特征发生显著转变：压密阶段信号稀疏性增强，而弹性与塑性阶段信号密集度显著增大，且振幅波动范围为0～ 1 ms/（V·kHz）。这种现象表明，较高加载速率条件下，充填体微裂纹成核与扩展的协同效应增强，导致r值剧烈波动现象由低加载速率条件下的峰后应力阶段提前至弹塑性加载阶段出现。
尽管声发射r值在一定程度上能够反映充填体试样的破坏程度，但在监测过程中，最大值的出现往往受到偶然因素的影响，某一声发射参数的瞬时增长并不能精准反映充填体内部破坏程度的加剧。因此，接下来将采用高斯混合模型与平均移动滤波方法相结合，提取RA-AF数据集的有用组分，以进一步揭示充填体的破裂演化规律。
2.2 基于高斯混合模型的数据处理方法
2.2.1 高斯混合模型
高斯混合模型（GMM）是一种常用于无监督聚类学习的有限混合模型算法[20-21]。从几何视角来看，GMM可视为多个加权二维高斯分布的叠加，其概率密度函数由多个高斯分布的线性组合构成；从统计学角度分析，GMM由k个单高斯分布按照特定权重进行加权求和，其中k为混合分量的数量，即聚类数。其概率密度函数可表示为多个高斯分布的线性叠加[22]，即
$$ p(x)=\sum_{i=1}^k p(i) p(x \mid i)=\sum_{i=1}^k \omega_i N\left(x \mid \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right) $$ (1) 式中：$p(x) = \displaystyle\sum_{i = 1}^k {p(i)p(x\left| i \right.)} $为第i个高斯分布的概率密度函数；${\boldsymbol{\mu}} $为均值向量；${{\boldsymbol{\Sigma}} _i}$为协方差矩阵；$p(i) = {\omega _i}$为第i个高斯分布的权重。在一般情况下，GMM进行概率密度估计的组数不应过多或者过少，组数过多会导致参数估计过程难以收敛，组数过小则会使得参数估计误差较大。
输入M维特征向量x，k个分量的加权总和可以被定义为混合密度。其中，混合分量权重因子${\omega _i}$，满足约束条件$\displaystyle\sum\limits_{i = 1}^k {{\omega _i}} = 1$，总概率归一化为1[23]。
下一步需要找到权重因子${\omega _i}$、均值向量${\boldsymbol{\mu }}$及协方差矩阵${{\boldsymbol{\Sigma}} _i}$的最佳值，使得$p(x)$可以最佳拟合所有的特征向量。可以利用期望最大化（EM）算法可以找到最优解。
2.2.2 EM算法
利用EM算法估计高斯混合模型的参数，通常分为2步[24]。
1）求解当前给定参数的条件期望，即E步；每个数据点的分量i得出的训练数据点的期望值为
$$p_r\left(i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right)=\frac{\omega_i N\left(x_{\mathrm{t}} \mid \boldsymbol{\mu}_i^m, \boldsymbol{\Sigma}_i^m\right)}{\displaystyle\sum_{i=j}^k \omega_i N\left(x_{\mathrm{t}} \mid \boldsymbol{\mu}_j^m, \boldsymbol{\Sigma}_j^m\right)} $$ (2) 式中：m为迭代次数。
2）求解期望最大化时的参数，即M步。此时，模型参数可表示为
$$ \omega_i^{m+1}=\frac{1}{T} \sum_{t=1}^T p_{\mathrm{r}}\left[i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right] $$ (3) $$ \boldsymbol{\mu}_i^{m+1}=\frac{x \displaystyle\sum_{t=1}^T p_{\mathrm{r}}\left[i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right]}{\displaystyle\sum_{t=1}^T p_{\mathrm{r}}\left[i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right]}$$ (4) $$ \sum_j^{m+1}=\frac{\displaystyle\sum_{t=1}^T p_{\mathrm{r}}\left[i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right] X\left(x_t-\boldsymbol{\mu}_i^{m+1}\right)\left(x_t-\boldsymbol{\mu}_i^{m+1}\right)^T}{\displaystyle\sum_{t=1}^T p_{\mathrm{r}}\left[i \mid x,\left(\omega_i, \boldsymbol{\mu}_i, \boldsymbol{\Sigma}_i\right)^m\right]} $$ (5) 对模型的对数似然函数进行计算，若收敛，输出结果；若不收敛，则需重新对后验概率进行计算，直至算法收敛。需要指出的是，为减少输出数据的分散，利用移动平均滤波算法对RA-AF数据集进行跨度与滞后为70次的移动平均滤波。其中，使用贝叶斯准则（BIC）研究了所选择的2个主要聚类的充分性，贝叶斯准则可表示为
$$ \lambda =K\ln N - 2\ln l $$ (6) 式中：$ \lambda $为BIC信息量；N为观测值的数量；K为需要估计的自由参数的数量；l为似然函数的最大值。
2.2.3 模型运算步骤
声发射RA及AF是可识别材料裂纹演化的声发射特征参数。声发射RA、AF的时序演化规律及其相互关系，可将裂纹划分为拉伸裂纹及剪切裂纹，而不同的材料的声发射RAAF的阈值往往不同，仅依据声发射RA及AF的二维时间序列难以划分拉伸与剪切裂纹的分界线。因此，引入高斯混合模型对充填体的声发射RA及AF进行无监督聚类处理，以划分充填体的裂纹类型并探明其裂纹演化行为。高斯混合模型的运算步骤如图6[13]所示。
首先，对声发射初始RA及AF数据进行初始化参数；然后，利用EM算法对数据进行训练；最后，输出分模型参数，在此基础上进行无监督聚类分析，识别声发射数据中的低RA、高AF信号，以及高RA、低AF信号，并以此划分拉伸和剪切裂纹。其中，为减少输出参数的数据分散现象，利用移动平均滤波法对其进行跨度和滞后为70次点击的移动平均滤波，最后可得到声发射RA与AF的2个聚类结果，并更易于区分高斯混合模型输出的2个聚类椭圆。
2.3 基于高斯混合模型的充填体裂纹分类
2.3.1 聚类结果定性分析
为更好地分析充填体的应力阶段与裂纹演化之间的关系，以峰值应力σf为单位，将应力分为0～20%σf、20%σf ～40%σf、40%σf ～60%σf、60%σf ～80%σf、80%σf ～100%σf及峰后应力阶段6个部分。在此基础上，分别对上述6个应力阶段的声发射RA-AF进行高斯混合模型聚类分析。图7显示了v=0.002, 0.004, 0.008, 0.010 mm/s的充填体在不同应力阶段内的聚类分析结果（每个子图的右边均配备了相应的3D聚类分析结果图像）。
![]()
图 7 不同v下充填体声发射RA-AF聚类结果Figure 7. RA-AF clustering results of CTB acoustic emission at different loading rates基于高斯混合模型（GMM）的聚类分析结果如图7所示，各子图均呈现双聚类椭圆分布，其颜色梯度表征概率密度差异。此外，当聚类椭圆更偏向于AF轴，则代表着高AF、低RA信号，即发生拉伸破坏的概率更大；当聚类椭圆更偏向于RA轴，则代表着高RA、低AF信号，即发生剪切破坏的概率更大。
由图7可见，充填体在整个加载过程中基本以张拉裂纹为主，但在某一应力阶段内亦出现较多的剪切破坏。在加载初期，声发射信号主要集中在AF纵轴一侧，大部分信号的RA低于5 ms/V，平均频率主要分布在0～600 kHz，表现出较高的AF与较低的RA，表明此阶段以拉伸裂纹为主导。进入中间过渡阶段后，张拉裂纹与剪切裂纹的相互转化逐渐增强，二者原本分离的聚类簇开始出现交叉，表明破裂机制趋于复杂化。在局部失稳破坏及峰后破坏阶段，声发射RA逐渐减小，信号分布趋向AF轴一侧，并呈现条带状分布特征。此时，充填体的AF通常较高，而RA在较小范围内波动，同时张拉聚类的高概率区域逐渐向剪切聚类区域转移。随着v增大，加载初期、中间过渡阶段及局部失稳破坏阶段的裂纹演化趋势并未发生显著变化，而峰后阶段的剪切概率椭圆有逐渐增大的趋势，表明产生较多的剪切破坏，后续结合定量数据作进一步分析。
2.3.2 聚类结果定量分析
为定量讨论充填体的裂纹演化行为，利用高斯混合模型聚类分析识别充填体在不同应力阶段内的裂纹类型及具体比例。图8展示了不同应力阶段的拉伸与剪切裂纹比例变化情况。表2则显示了高斯混合模型裂纹分类的量化结果。
![]()
图 8 不同应力阶段充填体裂纹分类结果Figure 8. Classification results of CTB cracks at different stress stages由图8结合表2可知，v=0.002 mm/s时，在0～20%σf阶段，拉伸、剪切裂纹比例分别为86.12%、13.88%，说明在此阶段内以拉伸破坏为主导；在20%σf～80%σf阶段，拉伸裂纹比例先由83.51%降至64.23%，后又增至89.31%，说明该阶段内主要发生拉伸与剪切裂纹的互相转化；在80%σf ～100%σf阶段，剪切裂纹增至61.84%，表明此时剪切占据主导地位；在峰后应力阶段，拉伸裂纹比例增至80.89%，以拉伸破坏为主。当v分别增至0.004、0.008和0.010 mm/s时，充填体峰前应力阶段的裂纹演化趋势并未发生明显变化。而v增大对充填体峰后应力阶段的破坏具有显著影响，v=0.002，0.004，0.008，0.010 mm/s时在峰后阶段产生的剪切裂纹比例分别为19.11%、68.82%、60.11%和64.23%，可以看出v增大使得试样由以拉伸破坏为主向拉伸−剪切复合型破坏转化。
通过以上分析，发现GMM聚类分析可将充填体裂纹演变行为主要划分为4个阶段：① 初始加载阶段（0～20%σf），在该阶段内以拉伸裂纹为主；② 过渡阶段（20%σf～80%σf），该阶段主要发生拉伸与剪切裂纹的互相转化；③ 局部失稳破坏阶段（80%σf～100%σf），主要产生剪切裂纹导致充填体产生局部失稳破坏；④ 峰后破坏阶段，该阶段内拉伸裂纹有所增加，剪切−拉伸裂纹共同主导了充填体的整体失稳破坏。其中在80%σf ～100%σf处，产生较多的剪切裂纹（剪切裂纹比例50%以上）可作为充填体的局部失稳破坏前兆特征。
表 2 高斯混合模型裂纹分类的量化结果Table 2. Quantitative results of crack classification using Gaussian mixture model应力阶段/
%σf裂纹
类型比例/% v=
0.002 mm/sv=
0.004 mm/sv=
0.008 mm/sv=
0.010 mm/s0～20 拉伸 86.12 86.17 83.28 57.14 剪切 13.88 13.83 16.72 42.86 20～40 拉伸 83.51 56.16 70.77 74.97 剪切 16.49 43.84 29.23 25.03 40～60 拉伸 64.23 52.00 67.03 71.06 剪切 35.77 48.00 32.97 28.94 60～80 拉伸 89.31 80.56 81.17 79.37 剪切 10.69 19.44 18.83 20.63 80～100 拉伸 38.16 10.94 6.78 28.45 剪切 61.84 89.06 93.22 71.55 峰后阶段 拉伸 80.89 31.18 39.89 35.77 剪切 19.11 68.82 60.11 64.23 3. 结 论
1）充填体的声发射振铃计数在峰值应力附近总是由相对高位向相对低位震荡，具有较为明显的变异特征。随着v的增大，充填体弹性变形及塑性屈服阶段的振铃计数的波动率有所降低。
2） v由0.002增至0.01 mm/s时，充填体声发射AF分布集中范围由0～150 压缩至0～100 kHz，RA分布集中范围由0～5 ms/V扩展至0～10 ms/V，且高RA信号（剪切裂纹敏感指标）进一步集中于AF<80 kHz窄带。
3）随着v从0.002增至0.010 mm/s，充填体的峰前裂纹演化趋势保持稳定，但峰后破坏模式显著改变：剪切裂纹比例由19.11%（0.002 mm/s）跃升至64.23%（0.010 mm/s），表明v增大会驱动破坏机制从拉伸破坏主导向拉伸−剪切复合型破坏转化。
4）通过GMM分析可知，以加载应力阶段为界限，可以将充填体裂纹演化分为拉伸裂纹主导（0～20%σf）、拉伸−剪切裂纹转化（20%σf～80%σf）、剪切裂纹快速增长（80%σf～100%σf）和剪切−拉伸裂纹共同主导（峰后破坏）4个阶段。其中，剪切裂纹在80%σf ～100%σf处的快速增长是充填体局部失稳破坏的关键前兆特征。
-
![]()
图 3 不同v下充填体声发射振铃计数特征
Figure 3. Characteristics of acoustic emission ringing counts of CTB at different loading rates
![]()
图 4 不同v下充填体声发射AF-RA特征
Figure 4. AF-RA characteristics of CTB at different loading rates
![]()
图 5 不同v下充填体声发射r值特征
Figure 5. Characteristics of r-value of acoustic emission of CTB at different loading rates
![]()
图 7 不同v下充填体声发射RA-AF聚类结果
Figure 7. RA-AF clustering results of CTB acoustic emission at different loading rates
![]()
图 8 不同应力阶段充填体裂纹分类结果
Figure 8. Classification results of CTB cracks at different stress stages
表 1 充填体试样抗压强度结果
Table 1 Compressive strength results of CTB samples
v/（mm·s−1） 试样编号 抗压强度/MPa 平均强度/MPa 0.002 A1 0.645 0.616 A2 0.608 A3 0.595 0.004 B1 0.692 0.673 B2 0.680 B3 0.647 0.008 C1 0.830 0.797 C2 0.837 C3 0.724 0.010 D1 0.653 0.598 D2 0.563 D3 0.578 
下载: 导出CSV
表 2 高斯混合模型裂纹分类的量化结果
Table 2 Quantitative results of crack classification using Gaussian mixture model
应力阶段/
%σf裂纹
类型比例/% v=
0.002 mm/sv=
0.004 mm/sv=
0.008 mm/sv=
0.010 mm/s0～20 拉伸 86.12 86.17 83.28 57.14 剪切 13.88 13.83 16.72 42.86 20～40 拉伸 83.51 56.16 70.77 74.97 剪切 16.49 43.84 29.23 25.03 40～60 拉伸 64.23 52.00 67.03 71.06 剪切 35.77 48.00 32.97 28.94 60～80 拉伸 89.31 80.56 81.17 79.37 剪切 10.69 19.44 18.83 20.63 80～100 拉伸 38.16 10.94 6.78 28.45 剪切 61.84 89.06 93.22 71.55 峰后阶段 拉伸 80.89 31.18 39.89 35.77 剪切 19.11 68.82 60.11 64.23
下载: 导出CSV
-
[1] YIN S H,ZHOU Y,WANG L M,et al. Setting,bleeding,and hardening strength properties of coarse aggregate backfill slurry[J]. Case Studies in Construction Materials,2022,17:e01667. doi: 10.1016/j.cscm.2022.e01667
[2] 张吉雄,郭广礼. 综合机械化固体充填采煤方法与技术研究[J]. 煤炭学报,2010,35(1):1−6. ZHANG Jixiong,GUO Guangli. Study on waste-filling method and technology in fully-mechanized coal mining[J]. Journal of China Coal Society,2010,35(1):1−6.
[3] 郭利杰,刘光生,马青海,等. 金属矿山充填采矿技术应用研究进展[J]. 煤炭学报,2022,47(12):4182−4200. GUO Lijie,LIU Guangsheng,MA Qinghai,et al. Research progress on mining with backfill technology of underground metalliferous mine[J]. Journal of China Coal Society,2022,47(12):4182−4200.
[4] ZHOU Y,YIN S H,ZHAO K,et al. Understanding the static rate dependence of early fracture behavior of cemented paste backfill using digital image correlation and acoustic emission techniques[J]. Engineering Fracture Mechanics,2023,283:109209. doi: 10.1016/j.engfracmech.2023.109209
[5] 赵兵朝,王京滨,张晴,等. 充填体−散体胶结组合体力学特性试验研究[J]. 煤炭科学技术,2023,51(7):298−309. ZHAO Bingchao,WANG Jingbin,ZHANG,Qing,et al. Experimental study on mechanical properties of filling-bulkce-menting combination body[J]. Coal Science and Technology,2023,51(7):298−309.
[6] XUE G L,YILMAZ E,FENG G R,et al. Reinforcement effect of polypropylene fiber on dynamic properties of cemented tailings backfill under SHPB impact loading[J]. Construction and Building Materials,2021,279:122417. doi: 10.1016/j.conbuildmat.2021.122417
[7] WANG J,SONG W D,CAO S,et al. Mechanical properties and failure modes of stratified backfill under triaxial cyclic loading and unloading[J]. International Journal of Mining Science and Technology,2019,29(5):809−814. doi: 10.1016/j.ijmst.2018.04.001
[8] LI J J,CAO S,SONG W D. Distribution development of pore/crack expansion and particle structure of cemented solid-waste composites based on CT and 3D reconstruction techniques[J]. Construction and Building Materials,2023,376:130966. doi: 10.1016/j.conbuildmat.2023.130966
[9] YU S Q,JIANG H Q,XI Z Y,et al. Image analysis as a geometry- and integrity-independent tool for predicting strength of cemented tailings backfill using slag-based binder[J]. Construction and Building Materials,2024,444:137867. doi: 10.1016/j.conbuildmat.2024.137867
[10] HE Y P,LV W Y,FANG Z Y,et al. The basic characteristics of paste backfill materials based on highly active mineral admixtures:Part I. Preliminary study on flow,mechanics,hydration and microscopic properties[J]. Process Safety and Environmental Protection,2024,187:1366−1377. doi: 10.1016/j.psep.2024.05.056
[11] YU X,TAN Y Y,QI S W,et al. Damage index correlation in massive granite-porous backfills under hydromechanical triaxial cyclic loading using acoustic emissions and X-ray computed tomography[J]. Journal of Materials Research and Technology,2024,33:3659−3671. doi: 10.1016/j.jmrt.2024.10.058
[12] 唐亚男,付建新,宋卫东,等. 分层胶结充填体力学特性及裂纹演化规律[J]. 工程科学学报,2020,42(10):1286−1298. TANG Yanan,FU Jianxin,SONG Weidong,et al. Mechanical properties and crack evolution of interbedded cemented tailings backfill[J]. Chinese Journal of Engineering,2020,42(10):1286−1298.
[13] ZHOU Y,YIN S H,et al. Strength,deformation and crack evolution behaviour of cemented tailings backfill composite structures with different strength ratios[J]. Nondestructive Testing and Evaluation,2025,40(6):2269−2289. doi: 10.1080/10589759.2024.2376736
[14] LIU L,DING X,TU B B,et al. Energy evolution and mechanical properties of modified magnesium slag-based backfill materials at different curing temperatures[J]. Construction and Building Materials,2024,411:134555. doi: 10.1016/j.conbuildmat.2023.134555
[15] SUN K,ZHANG J X,HE M C,et al. Mechanical properties and damage evolution characteristics based on the acoustic emission of gangue and high-water-content materials based cemented paste backfill[J]. Construction and Building Materials,2023,395:132324. doi: 10.1016/j.conbuildmat.2023.132324
[16] 侯永强,尹升华,杨世兴,等. 动态荷载下胶结充填体力学响应及能量损伤演化过程研究[J]. 岩土力学,2022,43(S1):145−156. HOU Yongqiang,YIN Shenghua,YANG Shixing,et al. Mechanical response and energy damage evolution process of cemented backfill under impact loading[J]. Rock and Soil Mechanics,2022,43(S1):145−156.
[17] YIN S H,ZHOU Y,CHEN X,et al. A new acoustic emission characteristic parameter can be utilized to evaluate the failure of cemented paste backfill and rock combination[J]. Construction and Building Materials,2023,392:132017. doi: 10.1016/j.conbuildmat.2023.132017
[18] FILIPUSSI D A,GUZMÁN C A,XARGAY H D,et al. Study of acoustic emission in a compression test of andesite rock[J]. Procedia Materials Science,2015,9:292−297. doi: 10.1016/j.mspro.2015.04.037
[19] 中华人民共和国住房和城乡建设部. 普通混凝土配合比设计规程:JGJ 55—2011[S]. 北京:中国建筑工业出版社,2011. [20] WANG Y Z,SUN S Y. A rock fabric classification method based on the grey level co-occurrence matrix and the Gaussian mixture model[J]. Journal of Natural Gas Science and Engineering,2022,104:104627. doi: 10.1016/j.jngse.2022.104627
[21] HOUSHMAND N,ESMAEILI K,GOODFELLOW S,et al. Predicting rock hardness using Gaussian weighted moving average filter on borehole data and machine learning[J]. Minerals Engineering,2023,204:108448. doi: 10.1016/j.mineng.2023.108448
[22] YEO T,SHIGEMATSU N,KATORI T. Dynamically recrystallized grains identified via the application of Gaussian mixture model to EBSD data[J]. Journal of Structural Geology,2023,167:104800. doi: 10.1016/j.jsg.2023.104800
[23] ZHANG L L,OH S K,PEDRYCZ W,et al. Building fuzzy relationships between compressive strength and 3D microstructural image features for cement hydration using Gaussian mixture model-based polynomial radial basis function neural networks[J]. Applied Soft Computing,2021,112:107766. doi: 10.1016/j.asoc.2021.107766
[24] YIN X,LIU Q S,HUANG X,et al. Perception model of surrounding rock geological conditions based on TBM operational big data and combined unsupervised-supervised learning[J]. Tunnelling and Underground Space Technology,2022,120:104285. doi: 10.1016/j.tust.2021.104285
计量
- 文章访问数: 50
- HTML全文浏览量: 10
- PDF下载量: 30
