岩体结构面粗糙度系数全域搜索测量方法技术

一种岩体结构面粗糙度系数全域搜索测量方法，包括以下步骤：(1)结构面粗糙度试样全域搜索和全样本提取：1.1：对需要测试的原岩结构面进行粗糙起伏轮廓信息采集，自动化读取并存储原始结构面轮廓线的坐标数据；1.2：采用傅里叶级数对结构面轮廓线逼近；1.3：按最大采样间距重新提取结构面轮廓线坐标数据；1.4：在原始结构面轮廓线上提取长度为l的试样；1.5：依据全域搜索得到的长度为l的结构面全样本，依次提取各样本上所有点的空间坐标数据，根据样本对应位置分别进行编号与保存；(2)JRC全样本测量；(3)JRC全样本分析。本发明专利技术保证JRC测量结果的可重复性和唯一性，避免人为因素对JRC测量结果的影响。

【技术实现步骤摘要】
岩体结构面粗糙度系数全域搜索测量方法
本专利技术属于工程
，涉及一种岩体结构面粗糙度系数(JRC)测量方法，特别的是本专利技术所提出的JRC全域搜索测量方法，颠覆了统计精度的传统认识，通过样本全域搜索和JRC全样本测量，确保了结构面JRC测量结果的可重复性和唯一性。
技术介绍
结构面是岩体中的薄弱环节，岩体往往是沿着软弱结构面发生破坏的，而岩体结构面粗糙度是决定岩体结构面力学性质的重要因素。近50年来，学者们开展了大量有关结构面粗糙度的研究工作，并尝试从经验取值法、分形维数法和数理统计法等方面量化结构面粗糙度。由于岩体结构面的形成与发展经历了地质历史时期各种内外动力地质作用的改造和影响，致使结构面发育特征差异大，岩体结构面表面形态呈现出各质异性、各向异性和非均一性和尺寸效应基本特征。这些特征对结构面粗糙度测量造成很大影响，特别是结构面随取样位置不同，结构面起伏形态、力学性质存在明显不同。因此，结构面粗糙度测量结果具有不确定性，而且当试样尺寸越小、粗糙度越大时，这种不确定性越显著。为了较准确地确定出结构面粗糙度系数，人们往往采用定向统计测量方法间接地研究结构面起伏形态特征，一些代表性的研究如下：杜时贵(1994)通过研究发现任意取少量样本进行结构面表面特征描述和粗糙度系数JRC测量，代表性很差，其结果与实际情况相距甚远，大样本随机取样进行结构面表面形态和JRC量测才能客观反映实际结构面表面粗糙起伏特征。杜时贵(1999)沿节理倾向方向对小浪底水库风雨沟西侧边坡细砂岩节理进行了JRC统计测量，并在此基础上提出了JRC统计估测方法。徐健等(2008)认为简易纵剖面仪在野外任意产状的结构面表面轮廓线测量方面具有很好的适用性，使得JRC的测量结果从统计学角度具有很好的可靠性和可信度。李化(2014)对怒江松塔水电站右岸工程岩体结构面起伏曲线进行测量，充分考虑工程现场结构面起伏形态实际测量条件，通过统计分析，将相对起伏度和伸长率作为定量确定结构面粗糙度系数的重要影响因子。杜时贵等(2015)提出了一种基于结构面粗糙度系数定向统计分析的结构面粗糙度系数尺寸效应取样代表性评价方法，强调结构面粗糙度系数统计分析时样本数要充分大。石林等(2018)通过定向统计测量获得的几何参数，提出了面积扩展率、平均粗糙度系数，将二维粗糙度表征方法拓展至三维粗糙度表征方法。虽然定向统计测量方法能较好的考虑结构面各质异性、各向异性、非均一性对粗糙度测量结果的影响，但是测量结果受人为因素影响，不具备唯一性。结构面粗糙度取样方法一般需要人为指定，以分割取样法、渐进扩大取样法、随机取样法为代表的取样方法存在明显的局限性，取样结果因人而异，测量结果不具有重复性；统计样本数量确定困难，难以通过定量化计算得到，统计分析精度不统一；JRC统计测量结果只是样本总体真值的间接反映，两者存在明显差异。近年来计算机技术和信息技术的迅猛发展，为解决岩土工程中庞大的数据量运算提供了有利条件。依据统计学原理，将每次不同位置截取结构面起伏轮廓样本可视为一次独立事件，借助计算机辅助技术完全可以实现对构成样本总体的所有试样进行粗糙度测量，避免了人为指定样本数、测量结果不唯一的问题。因此，针对目前岩体结构面定向统计测量的局限性，亟需提出一种可保证结构面粗糙度系数结果具有可重复性和唯一性的测量方法。
技术实现思路
为了克服已有粗糙度系数定向统计测量方法中结构面取样位置和取样数目人指定、测量结果具有不可重复性和不唯一性的不足，本专利技术提供一种岩体结构面粗糙度系数全域搜索测量方法，通过样本全域搜索和JRC全样本测量，保证了JRC测量结果的可重复性和唯一性，避免了人为因素对JRC测量结果的影响。本专利技术解决其技术问题所采用的技术方案是：一种岩体结构面粗糙度系数全域搜索测量方法，所述测量方法包括以下步骤：(1)结构面粗糙度试样全域搜索和全样本提取，过程如下：1.1：对需要测试的原岩结构面进行粗糙起伏轮廓信息采集，自动化读取并存储原始结构面轮廓线的坐标数据，原岩结构面实际长度为L；1.2：按采样间距对自动化读取得到的结构面轮廓线坐标数据进行处理，重新提取结构面轮廓线坐标数据；1.3：在原始结构面轮廓线上提取长度为l的试样，l≤L，该尺寸所有可能的取样总样本数为N，通过以下公式计算得到：结构面粗糙度试样全域搜索过程为：1.3.1)将原始结构面轮廓线的起点作为起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标点；1.3.2)将距离原始结构面轮廓线起点SI的位置作为新的起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标点；1.3.3)重复上述步骤，直到搜索出所有N组长度为l的结构面轮廓线；1.4：依据步骤1.3全域搜索得到的长度为l的结构面全样本，依次提取各样本上所有点的空间坐标数据，根据样本对应位置分别进行编号与保存；(2)JRC全样本测量；(3)JRC全样本分析。进一步，所述步骤(2)中，JRC全样本测量过程如下：2.1：导入结构面全样本轮廓线数据；2.2：采用修正直边方法或Barton直边法简明公式分别计算每个样本的粗糙度系数，保存计算结果。再进一步，所述步骤(3)中，JRC全样本分析过程为：对JRC全样本测量结果进行分析，计算JRC全样本的算术平均值，并将该值作为JRC全样本的表征值。所述步骤1.2中，采用傅里叶级数对结构面轮廓线逼近，确定结构面轮廓线的傅里叶级数最低阶次，依据香农定理计算最大采集间距SI；按最大采样间距SI，对自动化读取得到的结构面轮廓线坐标数据进行处理。本专利技术的技术构思为：结构面粗糙度系数全域搜索测量方法包括结构面粗糙度试样全域搜索和全样本提取、JRC全样本测量、JRC全样本分析三个方面内容，通过样本全域搜索和JRC全样本测量，保证JRC测量结果的可重复性和唯一性，避免人为因素对JRC测量结果的影响。本专利技术的有益效果主要表现在：通过样本全域搜索和JRC全样本测量，保证了JRC测量结果的可重复性和唯一性，避免了人为因素对JRC测量结果的影响。附图说明图1是岩体结构面轮廓线示意图。图2是岩体结构面粗糙度试样全域搜索的原理示意图。图3是10cm试样JRC全样本测量结果。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1～图3，一种岩体构面粗糙度系数全域搜索测量方法，包括以下步骤：(1)结构面粗糙度试样全域搜索和全样本提取，过程如下：1.1：对需要测试的原岩结构面进行粗糙起伏轮廓信息采集，自动化读取并存储原始结构面轮廓线的坐标数据；1.2：采用傅里叶级数对结构面轮廓线逼近，确定结构面轮廓线的傅里叶级数最低阶次，依据香农定理计算最大采集间距SI(轮廓曲线精度)；按最大采样间距SI，对自动化读取得到的结构面轮廓线坐标数据进行处理，重新提取结构面轮廓线坐标数据，原岩结构面实际长度为L；1.3：在原始结构面轮廓线上提取长度为l的试样，l≤L，该尺寸所有可能的取样总样本数为N，通过以下公式计算得到：结构面粗糙度试样全域搜索过程为：1.3.1)将原始结构面轮廓线的起点作为起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标点；1.3.2)将距离原始结构面轮廓线起点SI的位置作为新的起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标本文档来自技高网...

【技术保护点】
1.一种岩体结构面粗糙度系数全域搜索测量方法，其特征在于，所述测量方法包括以下步骤：(1)结构面粗糙度试样全域搜索和全样本提取，过程如下：1.1：对需要测试的原岩结构面进行粗糙起伏轮廓信息采集，自动化读取并存储原始结构面轮廓线的坐标数据，原岩结构面实际长度为L；1.2：按采样间距SI对自动化读取得到的结构面轮廓线坐标数据进行处理，重新提取结构面轮廓线坐标数据；1.3：在原始结构面轮廓线上提取长度为l的试样，l≤L，该尺寸所有可能的取样总样本数为N，通过以下公式计算得到：

【技术特征摘要】
1.一种岩体结构面粗糙度系数全域搜索测量方法，其特征在于，所述测量方法包括以下步骤：(1)结构面粗糙度试样全域搜索和全样本提取，过程如下：1.1：对需要测试的原岩结构面进行粗糙起伏轮廓信息采集，自动化读取并存储原始结构面轮廓线的坐标数据，原岩结构面实际长度为L；1.2：按采样间距SI对自动化读取得到的结构面轮廓线坐标数据进行处理，重新提取结构面轮廓线坐标数据；1.3：在原始结构面轮廓线上提取长度为l的试样，l≤L，该尺寸所有可能的取样总样本数为N，通过以下公式计算得到：结构面粗糙度试样全域搜索过程为：1.3.1)将原始结构面轮廓线的起点作为起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标点；1.3.2)将距离原始结构面轮廓线起点SI的位置作为新的起始坐标，搜索沿测量方向长度为l范围内的结构面轮廓线上所有坐标点；1.3.3)重复上述步骤，直到搜索出所有N组长度为l的结构面轮廓线；1.4：依据步骤1.3全域搜索得到的长度为l的结构面全...

【专利技术属性】
技术研发人员：雍睿，杜时贵，
申请(专利权)人：杜时贵，雍睿，
类型：发明
国别省市：浙江,33