灰岩三点弯曲试验揭示低断裂韧度与滑动失稳风险

0 下载量 112 浏览量 更新于2024-09-12 收藏 354KB PDF 举报
本文主要探讨了灰岩试样的三点弯曲断裂特性试验,该研究由中国矿业大学矿业工程学院和煤炭资源与安全开采国家重点实验室进行。试验的目的是深入了解灰岩的断裂行为,特别是在受力过程中的力学响应。灰岩预制切缝试样被设计用于模拟实际工况下的应力分布,通过声发射监测技术来追踪裂纹的发展,同时利用粗糙度测定来评估断裂面的表面特征。 试验结果显示,灰岩的断裂韧度相对较低,具体数值为20~30 N/mm³/2,这是一个衡量材料抵抗裂纹扩展能力的重要参数。这个低值意味着灰岩在承受载荷时,其破裂的最大承载力仅为1100 N左右,显示出灰岩本身的抗裂纹失稳扩展能力较弱。断裂面呈现出平断口,且粗糙度系数不超过6,这意味着断裂后的试样在断裂瞬间表现出明显的不稳定性,容易发生垮塌。 研究进一步指出,灰岩的断裂面粗糙度对整体力学性能有显著影响。在常规的温度和压力条件下,断裂面的粗糙度越小,意味着剪切强度越低,这使得碎裂的灰岩体更易沿着断裂面滑动并失去稳定。因此,灰岩的低断裂韧度和小断裂面粗糙度系数共同决定了灰岩以及以灰岩为主的岩层在承受外力作用时容易发生断裂,并且在断裂后容易出现滑动失稳现象。 这项研究对于理解灰岩在地质构造中的稳定性以及在工程应用中的潜在风险具有重要意义,比如在地下矿山开采、隧道建设等领域的岩体稳定性评估和灾害预防。同时,它也为优化灰岩岩体的施工方法和加强工程防护提供了重要的理论依据。

% 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