一种适用于振动台含隧道边坡地震破坏模式的识别方法与流程

本发明属于隧道边坡治理，具体涉及一种适用于振动台含隧道边坡地震破坏模式的识别方法。

背景技术：

1、随着我国基础建设的发展，山区高速公路和高速铁路项目越来越多，山区修建的滑坡隧道工程也日益增多，各种隧道穿越方式不断出现。吴红刚首次提出了“隧道-滑坡体系”的概念，并根据隧道轴向和滑动面方向的空间位置关系将隧道-滑坡划分为：正交、斜交、平行体系，由此开始了“隧道-滑坡”体系的广泛研究。隧道-滑坡体系前期研究多集中在静力学方向，在隧道开挖、施工扰动等触发因素下，导致坡体扰动，进而诱发滑坡崩塌等地质灾害发生。

2、随着工程发展和研究的进一步深入，研究方向逐步转向动力作用等方向上，在后期地质作用等其他扰动荷载作用下，原来没有明显变形或较稳定的斜坡也会出现较大变形，甚至会发展为滑坡，形成“滑坡-隧道”，而地震正是这些扰动荷载中的重要因素。在地震荷载作用下滑坡逐渐变形失稳，既有隧道结构直接受到滑坡推力作用，引起隧道结构开裂；在此过程中，滑坡作为扰动对象，既有隧道结构作为影响对象，岩土体作为传播介质，可见地震作用时隧道破坏的触发因素更大原因是来源于地震作用后的坡体失稳，因而在含隧道-滑坡体中了解坡体的破坏模式对于隧道和坡体的加固极为重要。

3、就目前而言，针对隧道-滑坡的研究多集中在隧道和滑坡相互作用机制上，且多以静力学研究为主，主要研究方法有地质调查分析、理论解析、模型试验、数值模拟和监测分析，众多学者通过上述方法对隧道-滑坡相互作用影响机制进行了大量研究，形成一个较为全面的框架体系。在动力作用的隧道-滑坡方面，多以地震作用为触发因素，且目前的研究多集中在隧道结构的破坏机理和动力响应上，尚未对含既有隧道滑坡体的破坏模式形成清晰地认知。且其研究多基于模型试验或数值分析中边坡表面的位移和变形监测，未能从边坡自身特征参数和坡体内部监测物理量入手进行研究，特别是岩土体地震能量对其动态参数的影响。

4、而作为处理非平稳非线性地震信号的首选方法，希尔伯特黄变换（hilbert-huang，简称hht）在联合时频域中描述原始信号时具有极高的时频分辨率，可以克服以往基于傅立叶变换和小波变换等常见信号处理方法所存在的弊端。经过 hilbert-huang 变换后得到的 hilbert 边际谱表征了信号能量幅值在频率轴上的分布，与常见信号处理方法相比，hilbert 边际谱在时频域内以能量的角度清楚地表征了工程实体结构内部的损伤特征。此外，希尔伯特黄变换还展示了广泛的适用性，其在边坡结构，挡土墙结构中已展示出损伤识别的优越性。

5、因此，为实现含隧道边/滑坡的地震破坏模式识别问题，需要从时间-频率-能量的角度辨识含隧道边/滑的地震破坏模式。

技术实现思路

1、本发明提供一种适用于振动台试验的含隧道边/滑坡的地震破坏模式识别方法，该方法从含隧道边/滑坡坡体内部物理量试验数据入手，采用希尔伯特黄变换为手段，从能量传递特性角度对含隧道边/滑坡坡体在往复地震荷载作用下的破坏模式进行识别，结合含隧道边/滑坡坡体的边际谱和宏观变形现象阐明含隧道边/滑坡坡体的震害损伤灾变演化过程。为地震激励作用下含隧道边/滑坡坡体的破坏模式识别提供一种基于能量传递方法的分析途径。

2、为此，本发明采用如下技术方案：

3、一种适用于振动台含隧道边坡地震破坏模式的识别方法，其特征在于，包括以下步骤：

4、1）根据隧道模型坡体设计加速度传感器的布设位置，沿上覆坡体滑面方向及竖直方向按一定间距排布加速度传感器；

5、2）利用振动台开展测试，按照设计加载方案加载地震波，获取不同测点位置加速度传感器数据；

6、3）滤波处理：对获取的加速度数据在origin软件中选择带通滤波的方式进行滤波处理，避免输入的数据受外部震动或噪音影响导致失真；

7、基线校正：利用spectr软件对滤波后数据进行基线校正。参考图17，基线校正的详细步骤如下：

8、分别定义校正前的加速度、 速度和位移时程为 a bfr(t)、 v bfr(t)和 d bfr(t)，校正后的加速度、速度和位移时程为 a aft(t)、 v aft(t)和  d aft(t)，相应的趋势多项式为 a cr(t)、 v cr(t)和  d cr(t)；它们之间有如下关系：

9、                         （1）

10、                         （2）

11、                         （3）

12、第一步： 对校正前的加速度信号 a bfr(t)进行一次积分得到速度时程 v bfr(t)， 利用常数项为 0 的多项式对 v bfr(t)进行拟合得到速度时程的校正趋势多项式  v cr(t)如下所示:

13、                    （4）

14、式（4）中：t为当前时间，t0为时间的初值， i为第 i个点， m是加速度趋势多项式的最高阶次，即校正阶数； c v，i 为拟合多项式的系数；

15、根据速度与加速度之间的导数关系， 对式（4）求导即可得到考虑了速度时程基线偏移趋势的加速度趋势多项式  a cr,v(t)；

16、                  （5）

17、将式（5）代入式（1）即可完成加速度信号的考虑速度时程曲线偏移的基线校正；此处采用常数项为 0 的趋势多项式， 目的是避免上述求导运算将拟合的趋势信息消除。

18、第二步：对校正前的加速度信号 a bfr(t)进行两次积分得到位移时程 d bfr(t)， 利用常数项和一阶项均为0的多项式对  d bfr(t)进行拟合得到位移时程的校正趋势多项式 d cr(t)如下所示：

19、                             (6)

20、其中 c d,i为拟合多项式的系数。；对上式求导两次即可得到考虑了位移时程基线偏移趋势的加速度趋势多项式  a cr,d(t)；

21、               (7)

22、将式（7）代入式（1）即可完成加速度信号的考虑位移时程曲线偏移的基线校正。此处采用常数项及一阶项为0的趋势多项式， 目的是避免上述求导运算将拟合的趋势信息消除。

23、4）经验模态分解：将初始处理后的加速度数据 x(t)进行经验模态分解emd，得到 x (t)的一系列本征模态函数imf分量，记为 y(t):

24、

25、其中： p为柯西主分量值；

26、5）获得imf的瞬时频率谱曲线

27、利用获得的 y(t)构建解析信号，记为 z(t),并推导解析方程获得imf的瞬时频率谱曲线；其过程如下：

28、解析信号：

29、式中：为瞬时幅值，为瞬时相位，瞬时频率，推导得：

30、解析方程：

31、式中：为第j阶imf在t 时刻与频率j对应的瞬时幅值，即：；

32、将x(t)分解的到的所有imf幅值在时频域内联合得到希尔伯特谱 h( t,  ω)；

33、

34、6）将希尔伯特谱 h( t,  ω)在时间轴上积分得到希尔伯特边际谱 h( t,  ω)；

35、

36、7）提取各测点希尔伯特边际谱的峰值，开始含隧道边/滑坡结构的损伤识别：

37、当希尔伯特边际谱峰值随高程增加有序增大时，表明地震能量在坡体中有序传递，即含隧道边/滑坡结构未损伤；

38、当若希尔伯特边际谱峰值特征随高程增加发生震荡突变，表明地震能量不能在该处坡体完整的传递，即含隧道边/滑坡体的震荡突变位置在地震作用后出现损伤。

39、本发明克服了以往针对含隧道边/滑坡的地震破坏模式并未从含隧道滑坡坡体内部的监测物理量和滑坡体自身的特征参数进行考虑的弊端；解决了以往针对含隧道边/滑坡地震破坏模式研究中，针对含隧道边/滑坡坡体加固仅从宏观现象分析，未能从能量传递角度出发进行坡体加固的问题；本发明从能量传递角度识别含隧道滑坡坡体地震破坏模式，为隧道-滑坡体系的研究提供了新的方法。