一种裂隙岩石强度分析预测方法与流程

本发明涉及地质分析领域，特别是指一种裂隙岩石强度分析预测方法。

背景技术：

岩石材料在长期的地质作用下，内部产生大量的节理裂隙。对于不同尺度的岩石材料，决定其力学特性的裂隙尺度也有所不同：岩体的强度主要受宏观节理的控制；而分米级岩石试样的强度特性主要受微观裂隙的影响。岩石试样的破坏是由于细观尺度的微裂隙演化所产生的，因此，对岩石试样中细观尺度微裂隙网络的研究有重要的理论意义和应用价值。

技术实现要素：

本发明要解决的技术问题是提供一种裂隙岩石强度分析预测方法，能够准确预测裂隙岩石强度。

为解决上述技术问题，本发明的实施例提供一种裂隙岩石强度分析预测方法，所述裂隙岩石强度分析预测方法包括：

根据岩石ct扫描数据构建随机微裂隙网络；

采用控制变量法对随机微裂隙网络的参数影响进行分析，所述参数包括倾角和倾向；

根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度。

优选的，所述根据岩石ct扫描数据构建随机微裂隙网络，包括：

通过对岩石ct扫描数据的整理，获取岩石试样的裂隙产状信息，所述岩石裂隙产状信息包括微裂隙的倾角、倾向、迹线长和中心坐标；

对所获取的裂隙产状信息进行统计分析，确定各产状要素所符合的分布规律；

在matlab中生成符合规律的随机数；

将生成的随机数组合成所需的裂隙位置和产状信息，在pfc3d中调用光滑节理模型，建立岩石试样中的随机微裂隙网络。

优选的，所述采用控制变量法对随机微裂隙网络的参数影响进行分析，包括：

采用控制变量法对随机微裂隙网络的倾角影响进行分析；

采用控制变量法对随机微裂隙网络的倾向影响进行分析。

优选的，所述采用控制变量法对随机微裂隙网络的倾角影响进行分析，包括：

采用控制变量法对随机微裂隙网络的倾角影响进行数值分析；

采用控制变量法对随机微裂隙网络的倾角影响进行理论分析；

所述倾角影响的数值分析包括沿z轴加载进行单轴压缩试验，取倾向为0°，倾角从0°到360°每10°进行一次试验，记录每次试样的强度变化，根据强度变化得到倾角影响数值分析结果；

所述倾角影响的理论分析包括：岩石发生剪切破坏时，破坏面上的剪应力应等于岩石本身的内聚力和作用在该面上由法向应力引起的摩擦阻力之和为：

式中：τ为剪应力，σ为正应力，c为内聚力，为内摩擦角；

与最大主平面夹角为α的平面上的正应力和剪应力为：

其中，σ1为单轴加载应力；

破坏面上有效剪应力为：

τ'＝τ-fσ

其中，τ'为有效剪应力，f为摩擦因数，

利用下式求出单轴压缩状态下的剪切破坏角并得出倾角影响理论分析结果：

优选的，所述采用控制变量法对随机微裂隙网络的倾向影响进行分析，包括：

沿z轴加载进行单轴压缩试验，取倾角为60°，倾向从0°到180°每10°进行一次试验，分析试样的强度、弹性模量和泊松比的变化，得出倾向影响分析结果。

优选的，所述根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度包括：

将所有裂隙倾向置为0°；

将所有裂隙倾角转化到[0°，180°]内；

倾角[0°，90°)内的裂隙向倾角α平面投影；[90°，180°]内裂隙向倾角π-α平面投影；

将所有微裂隙投影面积相加，求得总投影面积。

优选的，所述根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度还包括：

根据总投影面积得到随机网络投影面积随倾角变化曲线和岩石强度随投影面积变化曲线；

利用二次多项式对数据进行拟合，得到试样在任意随机微裂隙网络下的强度值。

优选的，所述利用二次多项式对数据进行拟合，得到试样在任意随机微裂隙网络下的强度值包括：

利用下式进行拟合；

y＝ax²+bx+c

其中，y试样在任意随机微裂隙网络下的强度值，x为岩石强度随投影面积，a＝-311515.5，b＝10601.9，c＝84.2。

优选的，所述裂隙岩石强度分析预测方法，在根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度之后，还包括：

预测服从其他分布的随机微裂隙网络试样的强度值，通过与数值计算值的比较验证预测准确性。

本发明的上述技术方案的有益效果如下：

上述方案中，在岩石ct扫描数据的基础上，完成岩石试样随机微裂隙网络的重建，并深入研究了微裂隙试样力学特性，根据裂隙向最大有效剪应力平面投影面积和估计岩石强度，从而提高了裂隙岩石强度分析预测的准确性。

附图说明

图1为本发明的裂隙岩石强度分析预测方法流程图；

图2为本发明的裂隙岩石强度分析预测方法随机裂隙网络极点等密图；

图3为本发明的裂隙岩石强度分析预测方法数值试样与试验结果对比图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明实施例的一种裂隙岩石强度分析预测方法，所述裂隙岩石强度分析预测方法包括：

步骤101：根据岩石ct扫描数据构建随机微裂隙网络。

其中，通过对岩石ct扫描数据的整理，获取岩石试样的裂隙产状信息，所述岩石裂隙产状信息包括微裂隙的倾角、倾向、迹线长和中心坐标；

对所获取的裂隙产状信息进行统计分析，确定各产状要素所符合的分布规律；

在matlab中生成符合规律的随机数；

将生成的随机数组合成所需的裂隙位置和产状信息，在pfc3d中调用光滑节理模型，建立岩石试样中的随机微裂隙网络。

步骤102：采用控制变量法对随机微裂隙网络的参数影响进行分析，所述参数包括倾角和倾向。

其中，所述采用控制变量法对随机微裂隙网络的参数影响进行分析，包括：采用控制变量法对随机微裂隙网络的倾角影响进行分析；采用控制变量法对随机微裂隙网络的倾向影响进行分析。所述采用控制变量法对随机微裂隙网络的倾角影响进行分析，包括：采用控制变量法对随机微裂隙网络的倾角影响进行数值分析；采用控制变量法对随机微裂隙网络的倾角影响进行理论分析；

步骤103：根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度。

其中，将所有裂隙倾向置为0°；

将所有裂隙倾角转化到[0°，180°]内；

倾角[0°，90°)内的裂隙向倾角α平面投影；[90°，180°]内裂隙向倾角π-α平面投影；

将所有微裂隙投影面积相加，求得总投影面积。

优选的，所述裂隙岩石强度分析预测方法，在根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度之后，还包括：

预测服从其他分布的随机微裂隙网络试样的强度值，通过与数值计算值的比较验证预测准确性。

其中，采用倾向[0°，360°]均匀随机分布，倾角正态分布的微裂隙网络进行试验验证。将预测强度与数值计算强度进行比较，预测结果与数值试验结果有较好的一致性。预测误差在5％左右，最大为8.84％，且误差随着投影面积的增大而呈增大的趋势。该预测方法可用于任意分布规律多节理裂隙岩石试样强度预测，具有普适性。

本发明实施例的裂隙岩石强度分析预测方法，在岩石ct扫描数据的基础上，完成岩石试样随机微裂隙网络的重建，并深入研究了微裂隙试样力学特性，根据裂隙向最大有效剪应力平面投影面积和估计岩石强度，从而提高了裂隙岩石强度分析预测的准确性。

具体的，所述倾角影响数值分析包括沿z轴加载进行单轴压缩试验，取倾向为0°，倾角从0°到360°每10°进行一次试验，记录每次试样的强度变化，根据强度变化得到倾角影响数值分析结果；

其中，试样的强度随标准差的增加而增加，这是由于标准差越大，产生的随机裂隙倾角越分散，倾角偏离60°的裂隙数增多，因此试样强度越高。

所述倾角影响理论分析包括：岩石发生剪切破坏时，破坏面上的剪应力应等于岩石本身的内聚力和作用在该面上由法向应力引起的摩擦阻力之和为：

式中：τ为剪应力，σ为正应力，c为内聚力，为内摩擦角；

与最大主平面夹角为α的平面上的正应力和剪应力为：

其中，σ1为单轴加载应力；

破坏面上有效剪应力为：

τ'＝τ-fσ

其中，τ'为有效剪应力，f为摩擦因数，

利用下式求出单轴压缩状态下的剪切破坏角并得出倾角影响理论分析结果：

其中，在数值试验中，当裂隙倾角为60°和120°时试样强度最小，因此，可以得出结论，试样内裂隙倾角越接近最大有效剪应力平面的倾角，试样强度越低。

所述采用控制变量法对随机微裂隙网络的倾向影响进行分析，包括：

沿z轴加载进行单轴压缩试验，取倾角为60°，倾向从0°到180°每10°进行一次试验，分析试样的强度、弹性模量和泊松比的变化，得出倾向影响分析结果。

其中，试样的强度随标准差的增加而略微增加，变化范围很小。

在沿z轴加载时，岩石试样强度主要受倾角的影响而与倾向无显著联系。

优选的，所述根据随机微裂隙网络最大有效剪应力平面投影面积和预测裂隙岩石强度还包括：

根据总投影面积得到随机网络投影面积随倾角变化曲线和岩石强度随投影面积变化曲线；

利用二次多项式对数据进行拟合，得到试样在任意随机微裂隙网络下的强度值。

其中，利用下式进行拟合；

y＝ax²+bx+c

其中，y试样在任意随机微裂隙网络下的强度值，x为岩石强度随投影面积，a＝-311515.5，b＝10601.9，c＝84.2。

本发明实施例的裂隙岩石强度分析预测方法，对个旧锡矿高松矿田裂隙进行了多尺度研究，对岩石试样进行了ct扫描，在50个扫描剖面中共观测到

284条裂隙，并推导出裂隙体密度为0.19条/cm³。根据试样信息建立8cm(x

轴)×8cm(y轴)×12cm(z轴)的数值试样，其中应包含裂隙数为146条。

通过对裂隙倾角和倾向的统计分析得出：岩石的倾角和倾向服从正态分

布；且有三个明显的优势裂隙组，各组产状特征和数量分布如表1所示。

表1裂隙产状分布

为简单计算，许多学者将节理面近似为圆形或椭圆形[5]。经过对裂隙半径的分析，认为裂隙半径符合幂律型分布。裂隙中心位置符合均匀随机分布。

根据以上试样信息，在matlab中生成符合相应分布的随机数，并组合成裂隙网络参数，在完整岩石数值试样中，建立随机微裂隙网络。

对生成的随机网络中裂隙产状统计如图2所示。由图2可知，生成的随机网络包含三个优势裂隙组，以第一组最为明显，与ct观测结果一致。

根据试样信息与试验数据[24-26]，对数值试样参数进行调试，最终获得细观力学参数如表2所示。此时，数值试样应力应变曲线与室内试验结果对比如图3所示。裂隙试样的力学特性与真实试样一致，可于数值试验研究。

表2细观参数表

本发明实施例的裂隙岩石强度分析预测方法，通过ct扫描数据，发现试样中裂隙网络符合特定的统计规律，利用monte-carlo模拟技术生成随机数，可用于建立试样尺寸的微裂隙网络。该方法对含裂隙岩石试样的强度计算具有参考价值。数值试样沿z轴加载时，试样强度主要受倾角影响，而与倾向关联不大。试样力学特性随倾角变化呈现出周期性和对称性。倾角和倾向服从正态分布，均值相同的情况下，标准差越大，试样的强度越高。当倾角越接近最大有效剪应力平面时，试样强度越低。提出根据裂隙向最大有效剪应力平面投影面积和估计岩石强度的方法。并用此方法预测了服从其他分布的随机微裂隙网络试样的强度值，通过与数值计算值的比较验证了该方法的准确性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。