CN107101888A - 一种岩石压缩破坏预测方法 - Google Patents
一种岩石压缩破坏预测方法 Download PDFInfo
- Publication number
- CN107101888A CN107101888A CN201710390636.5A CN201710390636A CN107101888A CN 107101888 A CN107101888 A CN 107101888A CN 201710390636 A CN201710390636 A CN 201710390636A CN 107101888 A CN107101888 A CN 107101888A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- testing machine
- universal testing
- strain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007906 compression Methods 0.000 title claims abstract description 16
- 230000006835 compression Effects 0.000 title claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 230000006378 damage Effects 0.000 claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims abstract description 11
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 3
- 241000227425 Pieris rapae crucivora Species 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 4
- 208000037656 Respiratory Sounds Diseases 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0075—Strain-stress relations or elastic constants
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明属于岩石破坏预测领域，涉及一种岩石压缩破坏预测方法，该方法需要的设备包括：万能试验机、万能试验控制***、CCD工业相机和电脑，先调试CCD工业相机和万能试验机，将砂岩试样置于万能试验机的正中间位置，并将砂岩试样上喷有散斑的一面朝向CCD工业相机，先拍摄一幅bmp格式图像作为变形前的原始参考图像存储至电脑，作为初始对比图像备用，再采集万能试验机压缩砂岩试样过程的图像，并将采集到的图像作为变形后的序列目标图像，最后利用数字图像相关方法，对原始图像和步变形后的目标图像进行对比分析，得到变化后的图像相对于变化前的图像的位移和应变信息，该方法设计构思巧妙，操作简单，测量结果准确，应用环境友好，市场前景广阔。
Description
技术领域:
本发明属于岩石破坏预测领域，涉及一种岩石压缩破坏预测方法，从数字图像相关方法中获取全场应变，从其中选出典型点作为研究对象，探讨典型点破坏前后应变变化规律，从中找到破坏的应变阈值，从而实现岩石破坏预测。
背景技术：
传统的力学研究通常假定材料是连续均匀的，不考虑材料本身的缺陷或者裂纹，但是地下岩体中裂纹随处可见，而且由于裂纹的存在大大降低了岩体的宏观刚度，使得掩体的变形加剧，导致工程事故的发生。现有技术中，一般学者在研究岩石破坏时以理论分析为主，提出了各种岩石强度准则及修正方法，包括应用最早也是最广泛的莫尔-库伦准则，但是由于岩石的复杂性及随机性，这些方法普遍存在缺陷，对很多问题并没有解决好的解决办法。后续有学者对上述方法进行改进和修正，也有学者提出统一强度理论，但没有哪一种理论能够完全描述岩石破坏机理；还有一部分学者采用数值模拟的方法研究岩石破坏，陈新等用ABAQUS有限元软件进行模拟计算及起裂机制分析；胡明研应用ABAQUS有限元软件对层状复合岩石进行数值模拟研究，但是他们大多数都有一定的理论支持，数值模型以验证可行性为目的。
通过实验的方式研究岩石，能够最直接获得有效数据，随着研究方法的不断进步，对于岩石的研究也不断加深，周火明等人用CT研究岩石，但是CT在普通实验室难以实现，这也限制了其发展，而数字图像相关法相比于其他方法具有以其非接触式测量全场应变等优点，因此被广泛应用于岩石研究，但是传统的压缩试验，只能得到岩石破坏之前的应力-应变关系曲线及其峰值强度，这对岩石工程的发展和岩石力学性质的深入研究，已远远不能满足要求，因此本发明设计一种预测岩石破坏的方法，从数字图像相关方法中获取岩石的全场应变，探讨典型点破坏前后应变变化规律，从中找到破坏的应变阈值，从而实现岩石破坏预测。
发明内容：
本发明的目的在于克服现有技术存在的缺点，寻求设计一种岩石压缩破坏预测方法，提取岩石破坏过程中典型点在破坏前后的应变-时间关系，寻求岩石破坏时应变的大小，以实现岩石破坏的预测。
为了实现上述目的，本发明在岩石压缩破坏预测装置中实现的，该装置的主体结构包括：万能试验机、万能试验控制***、CCD工业相机和电脑，万能试验机用以压缩砂岩试样，万能试验控制***与万能试验机连接，用以控制万能试验机的启动和停止，所述万能试验机的前方置有CCD工业相机，用以对万能试验机在压缩砂岩试样过程进行图像采集，所述CCD工业相机与电脑相连，用以保存采集的图像。
利用该岩石压缩破坏预测装置进行岩石压缩破坏预测，具体测试方法按照如下步骤进行：
1、选择砂岩试样的尺寸为直径50mm，高100mm的圆柱体，将砂岩试样的前表面喷黑色哑光漆作为散斑，散斑用以作为对比变形前后的重要信息，所述散斑均匀随机分布；
2、调试CCD工业相机和万能试验机，将砂岩试样置于万能试验机的正中间位置，并将砂岩试样上喷有散斑的一面朝向CCD工业相机，将万能试验机的加载速度调至0.1Mpa/s，采集速度2幅/s，光源采用普通白光，根据成像亮暗程度进行光源亮度增减，以使光源达到符合要求的亮度；
3、按照步骤2所述方式调整好位置后，利用CCD工业相机拍摄一幅bmp格式图像作为变形前的原始参考图像存储至电脑，作为初始对比图像备用；
4、启动万能试验机和CCD工业相机，利用CCD工业相机采集万能试验机压缩砂岩试样过程的图像，并将采集到的图像作为变形后的序列目标图像；上述过程持续至砂岩试样压缩破坏后，关闭万能试验机和CCD工业相机，结束图像采集；
5、从步骤4中将采集到的图像挑选出10-15幅备用，图像选择以临近破坏时间段为主；
6、利用数字图像相关方法，对步骤3采集得到的原始图像和步骤5筛选的变形后的目标图像进行对比分析，得到变化后的图像相对于变化前的图像的位移和应变信息，其中，数字图像相关方法的原理是：利用对比变形前后两幅图片的灰度信息，寻找到与变形前相关性最大的区域作为变形后的子区，从而计算得出变形后的位移和应变信息，具体相关性计算公式如下：
其中:f(x,y)和g(x+u,y+v)分别表示图像各个像素点的灰度值；fm和gm是其图像子区的平均灰度值；u、v是子区中心的位移，单位为像素；
7、由步骤6得到全场的应变信息，从全场的应变信息中选取多个典型的点作为研究对象，例如典型点选取为前期破坏点A、中期破坏点B、末期破坏点C和全程未破坏点D来作为对比点，分别作出四个点的应变值随时间的变化曲线，得到四个点在压缩过程中的应变变化，从而获得砂岩破坏时的应变值大小，作出应变-时间关系；
8、根据作出应变-时间曲线，分析得到砂岩式样的破坏应变阈值，发现在发生破坏时都会有应变值得突变，取突变前的应变值作为破坏阈值的判断，实现砂岩破坏预测。
本发明与现有技术相比，数字图像相关法进行预测，能够准确获得全场的应变信息，克服了传统方法在对于岩石破坏位置的不确定情况下测量不准确的缺陷，通过研究典型点的应变值来判断其岩石破坏，能够从细观分析位移及形变，范围更小，精度更高，更能反映真实的岩石破坏规律，克服了现有技术中只通过分析压缩过程中的压力-时间曲线获得压缩时岩石破坏的平均值，并不能很好的反映局部破坏的情形的缺陷，该方法设计构思巧妙，操作简单，测量结果准确，应用环境友好，市场前景广阔。
附图说明：
图1为本发明涉及的预测设备的主体结构原理示意图。
图2为本发明涉及的预测方法的工艺流程图。
图3为本发明涉及的压缩砂岩试样在加载速度0.1MPa/s时，A点131s时的x方向应变图。
图4为本发明涉及的压缩砂岩试样在加载速度0.1MPa/s时，A点x方向的应变-时间关系图。
具体实施方式：
下面通过实施例并结合附图对本发明作进一步说明。
实施例1：
本实施例在岩石压缩破坏预测装置中实现的，该装置的主体结构包括：万能试验机1、万能试验控制***2、CCD工业相机3和电脑4，万能试验机1用以压缩砂岩试样，万能试验控制***2与万能试验机1连接，用以控制万能试验机1的启动和停止，所述万能试验机1的前方置有CCD工业相机3，用以对万能试验机1在压缩砂岩试样过程进行图像采集，所述CCD工业相机3与电脑4相连，用以保存采集的图像。
利用该岩石压缩破坏预测装置进行岩石压缩破坏预测，具体测试方法按照如下步骤进行：
1、选择砂岩试样的尺寸为直径50mm，高100mm的圆柱体，将砂岩试样的前表面喷黑色哑光漆作为散斑，散斑用以作为对比变形前后的重要信息，所述散斑均匀随机分布；
2、调试图像采集***2和万能试验机1，将砂岩式样置于万能试验机1的正中间位置，并将砂岩式样上喷有散斑的一面朝向CCD工业相机3，将万能试验机1的加载速度调至0.1Mpa/s，采集速度2幅/s，光源可采用普通灯光，根据实验现场情况进行光源亮度增减，以使光源达到符合要求的亮度；
3、按照步骤2所述方式调整好位置后，利用CCD工业相机3拍摄一幅bmp格式图像作为变形前的原始参考图像存储至电脑4，作为初始对比图像备用；
4、启动万能试验机1和CCD工业相机3，利用CCD工业相机3采集万能试验机1压缩砂岩试样过程的图像，并将采集到的图像作为变形后的目标图像；上述过程持续至砂岩式样压缩破坏后，关闭万能试验机1和CCD工业相机3，结束图像采集；
5、从步骤4中将采集到的图像挑选出10-15幅备用，图像选择以临近破坏时间段为主；
6、利用数字图像相关方法，对步骤3采集得到的原始图像和步骤5筛选的变形后的目标图像进行对比分析，得到变化后的图像相对于变化前的图像的位移和应变信息，其中，数字图像相关方法的原理是：利用对比变形前后两幅图片的灰度信息，寻找到与变形前相关性最大的区域作为变形后的子区，从而计算得出变形后的位移和应变信息，具体相关性计算公式如下：
其中:f(x,y)和g(x+u,y+v)分别表示图像各个像素点的灰度值；fm和gm是其图像子区的平均灰度值；u、v是子区中心的位移，单位为像素；
7、由步骤6得到全场的应变信息，从全场的应变信息中选取四个典型的点作为研究对象，典型点选取为前期破坏点A、中期破坏点B、末期破坏点C和全程未破坏点D来作为对比点，分别作出四个点的应变值随时间的变化曲线，得到四个点在压缩过程中的应变变化，从而获得砂岩破坏时的应变值大小，作出应变-时间关系；
8、根据作出应变-时间曲线，分析得到砂岩式样的破坏应变阈值，发现在发生破坏时都会有应变值得突变，取突变前的应变值作为破坏阈值的判断，实现砂岩破坏预测。
实施例2：
通过实施例1所述的方法对砂岩试样的A点进行砂岩破坏预测，测试结果如图3和图4所示，在加载速度0.1MPa/s时，在131s之前应变值变化不大，且呈近似线性增长；从第131s的0.0044到131.5s的0.011这段时间应变值发生了比较大的变化，应变曲线出现了拐点，则预测A点破坏发生时间大约为131s，A点破坏的应变值近似为0.011。
Claims (1)
1.一种岩石压缩破坏预测方法，其特征在于：该方法在岩石压缩破坏预测装置中实现的，该装置的主体结构包括：万能试验机、万能试验控制***、CCD工业相机和电脑，万能试验机用以压缩砂岩试样，万能试验控制***与万能试验机连接，用以控制万能试验机的启动和停止，所述万能试验机的前方置有CCD工业相机，用以对万能试验机在压缩砂岩试样过程进行图像采集，所述CCD工业相机与电脑相连，用以保存采集的图像，利用该岩石压缩破坏预测装置进行岩石压缩破坏预测的方法按照如下步骤进行：
S1、选择砂岩试样的尺寸为直径50mm，高100mm的圆柱体，将砂岩试样的前表面喷黑色哑光漆作为散斑，散斑用以作为对比变形前后的重要信息，所述散斑均匀随机分布；
S2、调试CCD工业相机和万能试验机，将砂岩试样置于万能试验机的正中间位置，并将砂岩试样上喷有散斑的一面朝向CCD工业相机，将万能试验机的加载速度调至0.1Mpa/s，采集速度2幅/s，光源采用普通白光，根据成像亮暗程度进行光源亮度增减，以使光源达到符合要求的亮度；
S3、按照步骤2所述方式调整好位置后，利用CCD工业相机拍摄一幅bmp格式图像作为变形前的原始参考图像存储至电脑，作为初始对比图像备用；
S4、启动万能试验机和CCD工业相机，利用CCD工业相机采集万能试验机压缩砂岩试样过程的图像，并将采集到的图像作为变形后的序列目标图像；上述过程持续至砂岩试样压缩破坏后，关闭万能试验机和CCD工业相机，结束图像采集；
S5、从步骤4中将采集到的图像挑选出10-15幅备用，图像选择以临近破坏时间段为主；
S6、利用数字图像相关方法，对步骤3采集得到的原始图像和步骤5筛选的变形后的目标图像进行对比分析，得到变化后的图像相对于变化前的图像的位移和应变信息，其中，数字图像相关方法的原理是：利用对比变形前后两幅图片的灰度信息，寻找到与变形前相关性最大的区域作为变形后的子区，从而计算得出变形后的位移和应变信息，具体相关性计算公式如下：
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>u</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>g</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mo>-</mo>
<mi>M</mi>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>u</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>g</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:f(x,y)和g(x+u,y+v)分别表示图像各个像素点的灰度值；fm和gm是其图像子区的平均灰度值；u、v是子区中心的位移，单位为像素；
S7、由步骤6得到全场的应变信息，从全场的应变信息中选取多个典型的点作为研究对象，例如典型点选取为前期破坏点A、中期破坏点B、末期破坏点C和全程未破坏点D来作为对比点，分别作出四个点的应变值随时间的变化曲线，得到四个点在压缩过程中的应变变化，从而获得砂岩破坏时的应变值大小，作出应变-时间关系；
S8、根据作出应变-时间曲线，分析得到砂岩式样的破坏应变阈值，发现在发生破坏时都会有应变值得突变，取突变前的应变值作为破坏阈值的判断，实现砂岩破坏预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710390636.5A CN107101888A (zh) | 2017-05-27 | 2017-05-27 | 一种岩石压缩破坏预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710390636.5A CN107101888A (zh) | 2017-05-27 | 2017-05-27 | 一种岩石压缩破坏预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107101888A true CN107101888A (zh) | 2017-08-29 |
Family
ID=59659475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710390636.5A Pending CN107101888A (zh) | 2017-05-27 | 2017-05-27 | 一种岩石压缩破坏预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107101888A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182335A (zh) * | 2018-01-26 | 2018-06-19 | 山东科技大学 | 一种基于abaqus的岩石力学试验数值仿真方法 |
| CN108693040A (zh) * | 2018-09-03 | 2018-10-23 | 中国科学院武汉岩土力学研究所 | 一种岩石破裂演化和破坏特征试验方法 |
| CN108871944A (zh) * | 2018-04-20 | 2018-11-23 | 大连理工大学 | 一种利用数字图像处理技术测量砂土三轴试样动态全表面局部应变及其均匀性的方法 |
| CN109724867A (zh) * | 2019-03-13 | 2019-05-07 | 合肥工业大学 | 脉冲动水压下岩石裂隙响应可视化模拟实验***及方法 |
| CN109883903A (zh) * | 2019-03-05 | 2019-06-14 | 山东科技大学 | 一种采空区垮落岩石粒径演化运移规律模拟方法及装置 |
| CN110031304A (zh) * | 2019-04-25 | 2019-07-19 | 四川大学 | 一种岩石变形破坏模式预测方法 |
| CN110426279A (zh) * | 2019-07-05 | 2019-11-08 | 大连理工大学 | 一种基于图像测量技术的土样拉伸试验装置及其实施方法 |
| CN110455807A (zh) * | 2019-04-02 | 2019-11-15 | 洛阳理工学院 | 针对防腐管道外防腐层的dsc气泡无损检测方法以及装置 |
| CN111999171A (zh) * | 2020-08-21 | 2020-11-27 | 青岛理工大学 | 基于声发射监测的硬岩节理面突然错动失稳预警方法 |
| CN115223313A (zh) * | 2022-07-15 | 2022-10-21 | 天津成成电气设备有限公司 | 一种配电柜监控预警方法、装置、电子设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8803943B2 (en) * | 2011-09-21 | 2014-08-12 | National Applied Research Laboratories | Formation apparatus using digital image correlation |
| CN104034601A (zh) * | 2014-07-03 | 2014-09-10 | 哈尔滨工业大学 | 一种使用数字图像相关技术精确确定防热材料高温力学性能参数的方法 |
| CN104316401A (zh) * | 2014-09-15 | 2015-01-28 | 浙江工业大学 | 一种基于二维数字图像相关法的颗粒物质应变测试装置 |
| CN105651598A (zh) * | 2014-11-11 | 2016-06-08 | 金发科技股份有限公司 | 基于线阵相机的高速应变测试装置及方法 |
| CN106198539A (zh) * | 2016-06-27 | 2016-12-07 | 中国科学院武汉岩土力学研究所 | 一种煤体解、吸附变形测量***及方法 |
| CN106570269A (zh) * | 2016-10-27 | 2017-04-19 | 贵州大学 | 一种基于数字图像的页岩破裂模式分析方法 |
-
2017
- 2017-05-27 CN CN201710390636.5A patent/CN107101888A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8803943B2 (en) * | 2011-09-21 | 2014-08-12 | National Applied Research Laboratories | Formation apparatus using digital image correlation |
| CN104034601A (zh) * | 2014-07-03 | 2014-09-10 | 哈尔滨工业大学 | 一种使用数字图像相关技术精确确定防热材料高温力学性能参数的方法 |
| CN104316401A (zh) * | 2014-09-15 | 2015-01-28 | 浙江工业大学 | 一种基于二维数字图像相关法的颗粒物质应变测试装置 |
| CN105651598A (zh) * | 2014-11-11 | 2016-06-08 | 金发科技股份有限公司 | 基于线阵相机的高速应变测试装置及方法 |
| CN106198539A (zh) * | 2016-06-27 | 2016-12-07 | 中国科学院武汉岩土力学研究所 | 一种煤体解、吸附变形测量***及方法 |
| CN106570269A (zh) * | 2016-10-27 | 2017-04-19 | 贵州大学 | 一种基于数字图像的页岩破裂模式分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨小彬等: "《岩石变形破坏演化力学分析》", 29 February 2016, 北京：煤炭工业出版社 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182335A (zh) * | 2018-01-26 | 2018-06-19 | 山东科技大学 | 一种基于abaqus的岩石力学试验数值仿真方法 |
| CN108871944A (zh) * | 2018-04-20 | 2018-11-23 | 大连理工大学 | 一种利用数字图像处理技术测量砂土三轴试样动态全表面局部应变及其均匀性的方法 |
| CN108693040A (zh) * | 2018-09-03 | 2018-10-23 | 中国科学院武汉岩土力学研究所 | 一种岩石破裂演化和破坏特征试验方法 |
| CN109883903A (zh) * | 2019-03-05 | 2019-06-14 | 山东科技大学 | 一种采空区垮落岩石粒径演化运移规律模拟方法及装置 |
| CN109724867B (zh) * | 2019-03-13 | 2024-02-13 | 合肥工业大学 | 脉冲动水压下岩石裂隙响应可视化模拟实验***及方法 |
| CN109724867A (zh) * | 2019-03-13 | 2019-05-07 | 合肥工业大学 | 脉冲动水压下岩石裂隙响应可视化模拟实验***及方法 |
| CN110455807A (zh) * | 2019-04-02 | 2019-11-15 | 洛阳理工学院 | 针对防腐管道外防腐层的dsc气泡无损检测方法以及装置 |
| CN110031304A (zh) * | 2019-04-25 | 2019-07-19 | 四川大学 | 一种岩石变形破坏模式预测方法 |
| CN110031304B (zh) * | 2019-04-25 | 2020-04-21 | 四川大学 | 一种岩石变形破坏模式预测方法 |
| CN110426279A (zh) * | 2019-07-05 | 2019-11-08 | 大连理工大学 | 一种基于图像测量技术的土样拉伸试验装置及其实施方法 |
| CN110426279B (zh) * | 2019-07-05 | 2021-04-13 | 大连理工大学 | 一种基于图像测量技术的土样拉伸试验装置及其实施方法 |
| CN111999171A (zh) * | 2020-08-21 | 2020-11-27 | 青岛理工大学 | 基于声发射监测的硬岩节理面突然错动失稳预警方法 |
| CN115223313A (zh) * | 2022-07-15 | 2022-10-21 | 天津成成电气设备有限公司 | 一种配电柜监控预警方法、装置、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107101888A (zh) | 一种岩石压缩破坏预测方法 | |
| Parlak et al. | Deep learning-based detection of aluminum casting defects and their types | |
| JP2017049974A (ja) | 識別器生成装置、良否判定方法、およびプログラム | |
| Bo et al. | Particle pollution estimation from images using convolutional neural network and weather features | |
| CN101319977A (zh) | 真应力-真应变计算模型及测试*** | |
| CN110006896B (zh) | 一种混凝土性能的虚拟检测仪及检测方法 | |
| NL2026165B1 (en) | Method for analyzing tensile failure performance of 3d printing sample | |
| Wu et al. | Surface crack detection based on image stitching and transfer learning with pretrained convolutional neural network | |
| CN103149087B (zh) | 一种基于随动视窗与数字图像的非接触式实时应变测量方法 | |
| CN107238534A (zh) | 基于图像计算在线监测板材拉伸性能的方法及装置 | |
| Zhao et al. | A coefficient clustering analysis for damage assessment of composites based on pulsed thermographic inspection | |
| KR20190130257A (ko) | 콘크리트 시설물의 표면 이미지 및 딥 컨볼루션 신경망 알고리즘을 이용한 콘크리트 압축강도 예측 방법 및 그 시스템 | |
| CN104316401A (zh) | 一种基于二维数字图像相关法的颗粒物质应变测试装置 | |
| CN109902326B (zh) | 一种有限元仿真实验效果测评方法 | |
| WO2023109060A1 (zh) | 一种识别三维颗粒体系内部力链的装置及方法 | |
| Long et al. | A deep learning-based fatigue crack growth rate measurement method using mobile phones | |
| CN117392452A (zh) | 基于图像分析的墙体裂缝检测***及其方法 | |
| Li et al. | U-Net learning for the automatic identification of the sandstone crack tip position to determine mixed-mode stress intensity factors utilizing digital image correlation method | |
| CN104007047A (zh) | 一种颗粒体系动力链的识别方法 | |
| Felling et al. | A New Video Extensometer System for Testing Materials Undergoing Severe Plastic Deformation | |
| Zhang et al. | A New Image Detection Method of Transmission Line Icing Thickness | |
| Rouchier et al. | Characterisation of concrete and mortar cracking by digital image correlation and acoustic emission | |
| CN111488785A (zh) | 基于窑内图像的回转窑工况检测方法 | |
| Cao et al. | Automatic detection and assessment of crack development in ultra-high performance concrete in the spatial and Fourier domains | |
| CN104374538A (zh) | 一种多维振动测试*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170829 |