南方茅口灰岩三轴压缩下的围压效应实验研究

需积分: 9 0 下载量 61 浏览量 更新于2024-08-08 收藏 362KB PDF 举报
本文主要探讨了在2015年针对南方地区常见的茅口灰岩进行的三轴压缩实验研究。该研究采用了MTS815电液伺服控制刚性试验机,对茅口灰岩在不同围压下的力学性能进行了深入考察。研究结果表明: 1. 三轴抗压强度与围压的关系:实验结果显示,随着围压的增加,茅口灰岩的三轴抗压强度呈现出明显的线性增长趋势。这意味着随着外部压力的增大,岩石的承载能力也随之增强。 2. 弹性模量与围压的关系:在低围压下,茅口灰岩的弹性模量随围压的增大而增加,显示出材料的硬化特性。然而,当围压超过17 MPa时,弹性模量趋于稳定,这可能是岩石内部结构发生改变,抵抗变形的能力达到饱和。 3. 泊松比与围压的关系:泊松比是反映材料横向应变与轴向应变比例的参数,研究发现它随围压的增加呈二次非线性增长,这表明围压对岩石横向变形的影响并非简单的线性关系。 4. 破坏模式的变化:在低围压下,岩样的扩容率较低时会发生脆性破坏,即岩石突然断裂。随着围压的提升,尤其是当围压达到12 MPa时,岩样从脆性向延性转变,表现出更好的塑性变形能力。进一步加压至17 MPa后,岩样表现出明显的延性流动特征,破坏方式从侧向剪切转变为对角剪切,破坏角也随之增大。 这些发现对于理解茅口灰岩在地下工程中的力学行为、预测其在高压环境下的稳定性以及优化设计岩体支护措施具有重要的工程价值。此外,研究结果还为地下岩体稳定性评估提供了实证依据,有助于减少矿产开采过程中的安全风险。

% 指定包含SEM图像的目录 image_dir = 'D:\MATLAB\R2018a\bin\灰岩12个\样7\500X\'; % 从目录中读取图像文件名列表 image_files = dir(fullfile(image_dir, '*.tiff')); % K-均值聚类的参数 num_clusters = 3; % 簇数(可以更改此值) max_iterations = 100; % 最大迭代次数(可以更改此值) % 初始化矩阵以存储群集映像和群集中心 num_images = numel(image_files); % 计算图像文件数 clustered_images = cell(1, num_images); cluster_centers_all = cell(1, num_images); % 循环浏览每个图像文件 for i = 1:num_images % 读取当前图像并规范化 image_path = fullfile(image_dir, image_files(i).name); image_data = double(imread(image_path))/ 255; % 执行K-means聚类 [cluster_indices, cluster_centers] = kmeans(reshape(image_data,[],size(image_data,3)), num_clusters,'MaxIter',max_iterations); % 将聚集的数据重新整形为图像维度 clustered_images{i} = reshape(cluster_indices, size(image_data,1),size(image_data,2)); % 将聚类图像转换成彩色图像 RGB = zeros(size(image_data)); for j = 1:num_clusters RGB(:,:,j) = (clustered_images{i} == j); end RGB = bsxfun(@times, RGB, reshape(cluster_centers, 1,1,[])); clustered_images{i} = RGB; % 保存聚类后的图像到文件夹 [pathstr, name, ext] = fileparts(image_path); imwrite(uint8(RGB*255), fullfile(pathstr, [name '_clustered' ext])); end % 显示原始图像和群集图像 for i = 1:num_images figure; subplot(1, num_clusters + 1, 1); imshow(imread(fullfile(image_dir, image_files(i).name))); title('Original Image'); for j = 1:num_clusters subplot(1, num_clusters + 1, j + 1); imshow(clustered_images{i}); title(sprintf('Cluster %d', j)); end end % 计算孔隙率 porosity = zeros(1, num_images); for i = 1:num_images % 统计原始图像中的像素数 img_pixels = numel(imread(fullfile(image_dir, image_files(i).name))); % 统计聚类图像中标记为第一个簇的像素数 cluster_pixels = sum(sum(clustered_images{i}(:,:,1) > 0)); % 计算孔隙率 porosity(i)=(1 - (cluster_pixels / img_pixels))*100; end % 显示计算后的孔隙率 for i = 1:num_images fprintf('Image %d: Porosity = %f\n', i, porosity(i)); end

2023-06-08 上传
2024-09-09 上传