CN108287254B - 一种基于图像处理的胶结充填体微观参数敏感性分析方法 - Google Patents
一种基于图像处理的胶结充填体微观参数敏感性分析方法 Download PDFInfo
- Publication number
- CN108287254B CN108287254B CN201810097843.6A CN201810097843A CN108287254B CN 108287254 B CN108287254 B CN 108287254B CN 201810097843 A CN201810097843 A CN 201810097843A CN 108287254 B CN108287254 B CN 108287254B
- Authority
- CN
- China
- Prior art keywords
- cemented filling
- filling body
- pore
- pores
- compressive strength
- 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.)
- Active
Links
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 56
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000011049 filling Methods 0.000 claims description 277
- 239000011148 porous material Substances 0.000 claims description 230
- 238000000034 method Methods 0.000 claims description 73
- 230000035945 sensitivity Effects 0.000 claims description 44
- 238000013528 artificial neural network Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 39
- 238000002922 simulated annealing Methods 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 26
- 210000002364 input neuron Anatomy 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 20
- 230000002860 competitive effect Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 10
- 238000004445 quantitative analysis Methods 0.000 claims description 8
- 239000004575 stone Substances 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000011068 loading method Methods 0.000 claims description 6
- 210000004205 output neuron Anatomy 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 241000764238 Isis Species 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 206010015856 Extrasystoles Diseases 0.000 claims 1
- 238000005065 mining Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 239000000243 solution Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000004568 cement Substances 0.000 description 4
- 230000000739 chaotic effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000945 filler Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UXNBTDLSBQFMEH-UHFFFAOYSA-N [Cu].[Zn].[Pb] Chemical compound [Cu].[Zn].[Pb] UXNBTDLSBQFMEH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 230000005476 size effect Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/02—Non-SPM analysing devices, e.g. SEM [Scanning Electron Microscope], spectrometer or optical microscope
-
- 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
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/20—Sample handling devices or methods
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于图像处理的胶结充填体微观参数敏感性分析方法,包括步骤:一、制成SEM扫描电镜样品和单轴抗压强度测试样品;二、采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,得到多个胶结充填体试样的单轴抗压强度;三、得到多个胶结充填体的微观参数组;四、计算机调用微观参数与单轴抗压强度的敏感性分析模块对多个胶结充填体试样的单轴抗压强度与多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数。本发明能够确定出胶结充填体对力学响应特性敏感的敏感性微观参数,能够很好地确定微观参数的主次关系,能够为研究新型胶结充填体贡献力量。
Description
技术领域
本发明涉及胶结充填采矿技术领域,具体涉及一种基于图像处理的胶结充填体微观参数敏感性分析方法。
背景技术
随着国家科学技术的发展,对节能环保技术的要求也越来越高,传统的胶结充填采矿使用水泥作为胶凝材料,水泥的成本高达充填总成本的75%。通过研究发展,尾砂中含有活性氧化硅和氧化铝,使用尾砂代替部分水泥作为胶结材料,不仅能够降低尾砂的排放量,有效降低充填采矿的成本,还能够提高充填体强度,减少地面坍塌面积,对环境的保护也起着积极推动的作用。因此,选矿厂排出的尾砂逐渐成为矿山胶结充填的主要骨料。胶结充填体作为胶结充填采矿法的核心内容,它涉及到矿山安全和矿山经济效益。以“充填体作用机理、充填体强度、充填体的合理匹配及充填体的力学响应特性”为内容的充填体力学,几年来受到了采矿届的高度重视。近年来已召开了八届国际充填学术会议,在充填体力学的许多方面有了很大的进展,学术界普遍认为充填体力学性能是严重影响和制约胶结充填采矿法的关键因素。
采用尾砂实现不同水灰配比、不同养护龄期等对胶结充填体的力学性质具有直接的影响关系。尾砂作为充填采空区最常用的充填骨料之一,在解决充填骨料不足的同时,为极厚矿体矿柱回采时贫化率低、损失率大、“三下”资源开采安全性低以及深部岩体地压控制难等问题的解决提供了有效途径。许多研究者对尾砂膏体充填的成分配比、稳定过程及机械强度做了深入的研究。例如,Kesimal A等人研究了脱泥铜铅锌尾砂与膏体强度的关系,发现尾砂颗粒大小分布对胶结充填体强度有较大的影响;在2003年第16期第10卷的期刊《Minerals Engineering》(矿物工程)上发表了文章The effect of desliming bysedimentation on paste backfill performance(脱矿泥的矿体充填体沉积性能影响);Fall等人研究了养护温度对尾砂胶结充填体的强度的影响;在2010年第4期第10卷的期刊《Engineering Geology》(工程地质)上发表了文章A Contribution to understandingthe effects of curing temperature on the mechanical properties of minecemented tailings backfill(温度对尾砂胶结充填体力学性能影响的贡献);G Xiu等人采用不同比例尾砂胶结强度与不同浓度下在实验室进行了实验,揭示尾砂在微观方面化学反应机理,对充填体稳定性的宏观尺寸的影响研究;在2012年第6期第14卷的期刊《International Journal of Digital Content Technology&Its Applications》(数字内容技术及其应用)上发表了文章Microstructure Test and Macro Size Effect on theStability of Cemented Tailings Backfill(微观结构试验及宏观尺寸对胶结尾砂充填体的稳定性影响);Chun Liu等人在单幅SEM图像上,采用手动阈值的方式获取孔隙的基本参数,如孔隙率、分形维数、不均匀系数等,分析岩石的微观结构与力学之间的关系;在2013年第57期第2卷的期刊《Computer&Geosciences》(计算机与地球科学)上发表了文章Automatic quantification of crack patterns by image processing(通过图像处理对裂纹图形进行自动量化);Serge Outllet等人研究了SEM图像对不同胶结充填体样品进行了孔隙结构分析,在2008第67期的期刊《Bulletin of Engineering Geology and theEnvironment》(工程地质与环境公报)上发表了文章Characterization of cementedpaste backfill pore structure using SEM and IA analysis(用SEM和IA分析的方法对胶结充填体的孔隙结构进行表征),该方法被用来估计三的孔隙结构参数:总孔隙度、孔径分布和孔隙的空间弯曲度。但是,现有技术中,还缺乏基于图像处理的方法确定全面的表征胶结充填体的微观参数的方法,而且,表征胶结充填体微观的众多参数中,如何确立参数的主次关系、反演计算参数、精确计算模型等问题,微观参数敏感性分析显得尤为重要。目前胶结充填体微观结构中敏感性参数分析较少,主要在地质、水文、岩土力学参数等方法做了大量的研究,地质方面如蒋树等人研究了滑坡参数的敏感性分析是滑坡机理分析和定量评价,在2015第23期第6卷的期刊《工程地质学报》上发表了文章《基于不同方法的滑坡滑带力学参数敏感性分析》;水文方面如宋晓猛等人研究了水文模型参数敏感性分析,在2012第23期第5卷的期刊《水科学进展》上发表了文章《基于统计理论方法的水文模型参数敏感性分析》;岩土力学方面如葛建军研究了边坡工程岩土力学参数敏感性分析,在2014第46期第11卷的期刊《铁道建筑》上发表了文章《铁路边坡工程岩土力学参数敏感性分析》。迄今为止,对于胶结充填体微观参数关于力学响应方面的敏感性分析方面的相关研究较少,因此就不能很好地确定微观参数的主次关系,致使在采用微观参数分析胶结充填体力学响应特性时的方法复杂,效率低,影响了新的胶结充填体的快速推广应用,容易造成采矿工期的拖延。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于图像处理的胶结充填体微观参数敏感性分析方法,其方法步骤简单,设计新颖合理,实现方便快捷,能够全面地表征胶结充填体的微观参数,确定出胶结充填体对力学响应特性敏感的敏感性微观参数,能够很好地确定微观参数的主次关系,能够为研究新型胶结充填体贡献力量,实用性强,推广应用价值高。
为解决上述技术问题,本发明采用的技术方案是:一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于,该方法包括以下步骤:
步骤一、从不同养护龄期的多个胶结充填体试样上各取一部分制成SEM扫描电镜样品,剩余部分作为单轴抗压强度测试样品;并对多个SEM扫描电镜样品和多个单轴抗压强度测试样品根据养护龄期一一对应编号;
步骤二、采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,得到多个胶结充填体试样的单轴抗压强度;
步骤三、采用SEM扫描电镜和计算机分别对多个SEM扫描电镜样品进行扫描和处理,得到多个胶结充填体的微观参数组;其中,对每个SEM扫描电镜样品进行扫描和处理,得到胶结充填体的微观参数组的具体过程为:
步骤301、采用SEM扫描电镜对SEM扫描电镜样品进行扫描,形成SEM电镜扫描图像并存储到计算机中;
步骤302、所述计算机将SEM电镜扫描图像的灰度像素值输入预先构建的模拟退火竞争神经网络中,得到模拟退火竞争神经网络的输出,所述模拟退火竞争神经网络的输出为亮、较亮、暗、最暗的四个胶结充填体聚类图像;
步骤303、所述计算机将灰度值最小一类的胶结充填体聚类图像确定为胶结充填体微观孔隙图,并对胶结充填体微观孔隙图进行二值化处理,再对孔隙区域进行二值反转处理,得到胶结充填体微观孔隙二值图;
步骤304、所述计算机调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到定量描述孔隙的分布、数量、方向和大小特征的胶结充填体的多个微观参数;
步骤四、所述计算机调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤二中所述胶结充填体单轴抗压强度测试装置包括座垫和固定连接在座垫顶部的多根拉杆,以及用于给胶结充填体试样施加轴向压力的轴向加压传力机构和用于给轴向加压传力机构提供动力的轴向加压动力***;所述座垫的底部固定连接有多个底座,所述座垫的顶部设置有用于放置胶结充填体试样的试样放置槽,所述座垫上位于所述试样放置槽的中心位置处设置有排水阀;多根拉杆的中部设置有用于固定多根拉杆的固定架,多根拉杆的上部固定连接有顶部装载板;所述轴向加压传力机构包括安装在顶部装载板上的气缸,所述气缸的活塞杆向下设置,所述气缸的活塞杆底部连接有压力传递板;所述轴向加压动力***包括压缩空气气源和加压控制器,以及一端与压缩空气气源连接、另一端与气缸连接的气体输送管;所述气体输送管上从连接压缩空气气源到连接气缸的位置依次设置有气动三联件、压力传感器和气缸控制电磁阀,所述压力传感器与加压控制器的输入端连接,所述气缸控制电磁阀与加压控制器的输出端连接,所述加压控制器通过通信模块与计算机连接。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述试样放置槽内设置有套装在胶结充填体试样底部的O型密封圈,所述座垫上设置有位于所述试样放置槽周围的多孔石。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述加压控制器为可编程逻辑控制器,所述通信模块为RS-485通信模块。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤二中所述采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,其中对每个抗压强度测试样品进行单轴抗压强度测试的具体过程为:
步骤201、将O型密封圈放入所述试样放置槽内后,将胶结充填体试样放入所述试样放置槽内,使胶结充填体试样的中心与气缸的活塞杆和压力传递板的中心相对应;并在座垫上放入位于所述试样放置槽周围的多孔石;
步骤202、打开压缩空气气源,通过调节气动三联件调节压缩空气气源输出的压缩空气的气压,加压控制器通过控制气缸控制电磁阀换向,控制气缸的活塞杆向下或向上运动,对胶结充填体试样施加压力或卸载压力,将胶结充填体试样破裂时加压控制器采集到的压力传感器检测的压力值记为F,加压控制器将压力值F传输给计算机,计算机根据公式计算得到抗压强度测试样品的单轴抗压强度P;其中,S为抗压强度测试样品的顶面面积;当气缸的活塞杆向下运动时,带动压力传递板向下运动,通过压力传递板给胶结充填体试样施加压力,当气缸的活塞杆向上运动时,带动压力传递板向上运动,压力传递板离开胶结充填体试样的上表面,卸载压力。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤302中所述模拟退火竞争神经网络的构建方法为:
步骤3021、从不同养护龄期的多个胶结充填体试样上各取一部分制成SEM扫描电镜样品;
步骤3022、采用SEM扫描电镜分别对多个SEM扫描电镜样品进行多次扫描,形成多个SEM电镜扫描图像并存储到计算机中;所述SEM电镜扫描图像的数量至少为500个;
步骤3023、所述计算机分别对多个SEM电镜扫描图像进行正规化处理,形成多个像素为640×480的训练样本图像;
步骤3024、所述计算机构建一个两层结构的模拟退火竞争神经网络,输入层为训练样本图像的灰度像素值,输出层为亮、较亮、暗、最暗四类胶结充填体聚类图像;
步骤3025、所述计算机随机设置4个权聚中心w1、w2、w3和w4;
步骤3026、所述计算机初始化自反馈连接权重系数、暂态连接权重系数和内部状态连接权重系数;
步骤3027、所述计算机根据公式计算能量函数E;其中,ux;j为第x个输入神经元zx和第j个权聚中心wj的暂态连接权重系数,x的取值为1~n的自然数,n为输入神经元的总个数,j的取值为1~c的自然数,c的取值为4;
步骤3028、所述计算机根据公式更新t时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数ux;j(t),其中,e为自然对数,vx;j(t)为t时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数且vx;j(t)=kvx;j(t-1)+E-T(t-1)(ux;j(t-1)-I0),k为衰减因子且k的取值范围为0≤k≤1,vx;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数,T(t-1)为t时刻的前一时刻的自反馈连接权重系数,ux;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数,I0为神经元输入偏差,ε为输出函数的衰减***且ε的取值大于0;
步骤3029、所述计算机根据公式更新t时刻的自反馈连接权重系数T(t),其中,b的取值为500,a的取值为0.98;
步骤30210、所述计算机根据公式vx;j(t+1)=kvx;j(t)+E-T(t)(ux;j(t)-0I)更新t+1时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数vx;j(t+1);
步骤30211、所述计算机根据公式Δwj=η(zx-wj)ux;j和公式wj(t+1)=wj(t)+Δwj(t)更新t+1时刻的第j个权聚中心wj(t+1);其中,wj(t)为t时刻的第j个权聚中心,η的取值为0.1;
步骤30212、重复步骤步骤3025~步骤30211,直至将步骤3023中形成的多个训练样本图像全部训练完,构建得到了模拟退火竞争神经网络。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤304中得到的微观参数的数量为12个,12个微观参数分别为孔隙数、孔隙总面积、孔隙最大面积、孔隙平均面积、孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数、圆形度、分形维数和加权概率熵。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤304中所述计算机调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到胶结充填体的12个微观参数的具体过程为:
步骤3041、将胶结充填体微观孔隙二值图上孔隙的个数确定为胶结充填体的孔隙数;
步骤3042、将胶结充填体微观孔隙二值图上所有孔隙的面积之和确定为胶结充填体的孔隙总面积;
步骤3043、将胶结充填体微观孔隙二值图上所有孔隙中面积最大的孔隙面积确定为孔隙最大面积;
步骤3044、用孔隙总面积除以孔隙数得到胶结充填体的孔隙平均面积;
步骤3045、采用Feret直径定义孔隙区域块的长度,并用所有孔隙的长度之和除以孔隙数得到胶结充填体的孔隙长轴平均长度;
步骤3046、将胶结充填体微观孔隙二值图上所有孔隙的面积之和与胶结充填体微观孔隙二值图的面积的比确定为孔隙率;
步骤3047、首先,将胶结充填体微观孔隙二值图上的孔隙图像块按照面积从小到大排列;然后,根据公式Cu=d60/d10确定不均匀系数Cu,其中,d60为孔隙图像块面积累加和占孔隙总面积的60%对应的孔隙图像块的平均直径,d10为孔隙图像块面积累加和占孔隙总面积的10%对应的孔隙图像块的平均直径;
步骤3048、根据公式确定曲率系数Cc,其中,d30为孔隙图像块面积累加和占孔隙总面积的30%对应的孔隙图像块的平均直径;
步骤3049、根据公式Sc=d25/d75确定分选系数Sc,其中,d25为孔隙图像块面积累加和占孔隙总面积的25%对应的孔隙图像块的平均直径,d75为孔隙图像块面积累加和占孔隙总面积的75%对应的孔隙图像块的平均直径;
步骤30410、根据公式确定圆形度R,其中,Rζ为第ζ个孔隙的圆形度且Rζ=4πSζ/Lζ 2,Sζ为第ζ个孔隙的面积,Lζ第ζ个孔隙的周长,ζ的取值为1~N的自然数,N为孔隙数;
步骤30411、首先,在胶结充填体微观孔隙二值图上画出网格间距为r的网格,并对画出的网格进行统计,当网格中出现孔隙图像块时,记为1,当网络中未出现孔隙图像块时,记为0,将1的个数确定为孔隙图像块在网格中的个数N(r);然后,根据公式Dc=-lim[lnN(r)/lnr]确定分形维数Dc;其中,r的取值为不大于的非零自然数,表示向下取整,W为胶结充填体微观孔隙二值图的宽度;
步骤30412、根据公式确定加权概率熵H,其中,hζ为第ζ个孔隙的概率熵且m为孔隙排列方向的定向角区间数,pζρ为第ζ个孔隙在第ρ个定向角区间中出现的概率,ρ的取值为1~m的自然数;aζ为第ζ个孔隙的权重值且
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤四中所述计算机调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数的具体过程为:
步骤401、首先,将n个不同养护龄期下的胶结充填体的第λ个微观参数值按照养护龄期从短到长的顺序两两差分得到第λ个微观参数值的n-1个不同差值,其中,第λ个微观参数值的第γ个差值表示为Δx′γ,λ;然后,将n-1个差值分别映射到0~10之间,并将映射到0~10之间的第λ个微观参数值的第γ个差值表示为Δxγ,λ;其中,n为养护龄期的总个数,γ的取值为1~n-1的自然数,λ的取值为1~P的自然数,P为胶结充填体的微观参数的总数量;
步骤402、首先,将n个不同养护龄期下的胶结充填体试样(19)的单轴抗压强度按照养护龄期从短到长的顺序两两差分得到第n-1个不同单轴抗压强度差值,其中,第γ个单轴抗压强度差值表示为Δy′γ;然后,将n-1个单轴抗压强度差值分别映射到0~10之间,并将映射到0~10之间的第γ个单轴抗压强度差值表示为Δyγ;
步骤403、根据公式计算胶结充填体的第λ个微观参数的敏感性系数sλ;
步骤404、重复步骤401~403,直至λ的取值从1取到P,按照敏感性系数从大到小的顺序排列胶结充填体的P个微观参数;
步骤405、按照敏感性系数从大到小的顺序计算胶结充填体的P个微观参数各自所占比重,其中,第λ个微观参数的敏感性系数sλ所占比重σλ的计算公式为
步骤406、按照敏感性系数从大到小的顺序叠加胶结充填体的微观参数所占比重,当比重和时,将前个胶结充填体的微观参数确定为胶结充填体对力学响应特性敏感的敏感性微观参数,将后个胶结充填体的微观参数确定为胶结充填体对力学响应特性不敏感的非敏感性微观参数;其中,的取值为2~P的自然数,τ的取值为的自然数。
上述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述n的取值为5,5个不同养护龄期分别为7天、14天、28天、56天和90天。
本发明与现有技术相比具有以下优点:
1、本发明首先采用胶结充填体单轴抗压强度测试装置分别对多个不同养护龄期的抗压强度测试样品进行抗压强度测试,得到多个胶结充填体试样的单轴抗压强度;再采用扫描电子显微镜(Scanning Electronic Microscopy,SEM)扫描采集多个多个不同养护龄期的SEM扫描电镜样品图像,采用孔隙图像定量分析方法获得多个不同养护龄期的胶结充填体的微观参数组;最后采用微观参数与单轴抗压强度的敏感性分析方法确定出胶结充填体对力学响应特性敏感的敏感性微观参数;方法步骤简单,设计新颖合理,实现方便快捷。
2、在传统的神经网络训练过程中,训练网络经常进入局部最优解,而不能达到全局最优解;本发明将模拟退火的方法嵌入到竞争神经网络中,神经网络的能量函数能够有效的收敛趋于稳态,达到全局最优解;解决了传统神经网络中局部最优的问题;本发明采用模拟退火竞争神经网络提取胶结充填体微观孔隙图,能够提取得到准确的胶结充填体微观孔隙图,且提取效率高。
3、本发明构建了模拟退火竞争神经网络,建立起了SEM电镜扫描图像与亮、较亮、暗、最暗的四个胶结充填体聚类图像之间的关系,一次进行构建模拟退火竞争神经网络,能够多次方便快捷的使用,使得进行胶结充填体微观孔隙图提取时,只需将SEM电镜扫描图像采集到计算机中,即可通过模拟退火竞争神经网络自动输出亮、较亮、暗、最暗的四个胶结充填体聚类图像,再选出灰度值最小一类的胶结充填体聚类图像,即为胶结充填体微观孔隙图,方便快捷。
4、本发明采用孔隙图像定量分析方法对胶结充填体微观孔隙二值图进行分析处理,得到的多个微观参数包括孔隙数、孔隙总面积、孔隙最大面积、孔隙平均面积、孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数、圆形度、分形维数和加权概率熵,能够全面地表征胶结充填体的微观参数。
5、本发明对于多个微观参数中加权概率熵的计算提出了一种基于面积确定权重值的计算方式,当孔隙面积大时,对概率熵的贡献率大,反之贡献率小;这对于研究胶结充填体的大小特征具有重要的意义。
6、单轴抗压强度是反映充填体力学性能的一个重要参数,它能在一定程度上反应充填体的强度和稳定性;本发明采用自主研发制造的胶结充填体单轴抗压强度测试装置对抗压强度测试样品进行抗压强度测试,胶结充填体单轴抗压强度测试装置的结构简单,实现及使用操作方便,且能够测得准确的单轴抗压强度。
7、本发明通过微观参数与单轴抗压强度的敏感性分析,确定出了胶结充填体对力学响应特性敏感的敏感性微观参数,而且能够很好地确定微观参数的主次关系。
8、依据本发明的结果并采用微观参数分析胶结充填体力学响应特性时,方法更为简单,效率更高;而且,将本发明的结果应用在采用微观参数分析胶结充填体力学响应特性中,能够避免采用实验测试的方法存在的测试周期长、效率低、耗费的人力物力高等问题;力学响应特性是胶结充填体的重要特性,胶结充填体又是胶结充填采矿法的核心内容,因此本发明的结果应用在预测胶结充填体力学响应特性中,不仅能够为研究新型胶结充填体贡献力量,还能够为降低尾砂的排放量、降低充填采矿的成本、保护环境、提高矿石回采率、缓解深井高温、优化矿区环境和控制地表沉降等贡献力量;本发明的实用性强,应用范围广,推广应用价值高。
综上所述,本发明方法步骤简单,设计新颖合理,实现方便快捷,能够全面地表征胶结充填体的微观参数,确定出胶结充填体对力学响应特性敏感的敏感性微观参数,能够很好地确定微观参数的主次关系,能够为研究新型胶结充填体贡献力量,实用性强,推广应用价值高。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为本发明胶结充填体单轴抗压强度测试装置的结构示意图。
图3为本发明具体实施例中采用SEM扫描电镜对SEM扫描电镜样品进行扫描形成的SEM电镜扫描图像。
图4为本发明具体实施例中模拟退火竞争神经网络的拓扑结构图。
图5A为本发明具体实施例中模拟退火竞争神经网络输出的亮的胶结充填体聚类图像。
图5B为本发明具体实施例中模拟退火竞争神经网络输出的较亮的胶结充填体聚类图像。
图5C为本发明具体实施例中模拟退火竞争神经网络输出的暗的胶结充填体聚类图像。
图5D为本发明具体实施例中模拟退火竞争神经网络输出的最暗的胶结充填体聚类图像。
图6为本发明具体实施例中对胶结充填体微观孔隙图进行二值化处理得到的图像。
图7为本发明具体实施例中的胶结充填体微观孔隙二值图。
图8为本发明具体实施例中养护龄期分别为7天、14天、28天、56天和90天的胶结充填体试样的单轴抗压强度统计图。
附图标记说明:
1—气体输送管; 2—气缸; 3—压力传递板;
4—压缩空气气源; 5—排水阀; 6—O型密封圈;
7—多孔石; 8—拉杆; 9—顶部装载板;
10—座垫; 11—试样放置槽; 12—气动三联件;
13—压力传感器; 14—气缸控制电磁阀; 15—底座;
16—通信模块; 17—计算机; 18—加压控制器;
19—胶结充填体试样。
具体实施方式
如图1所示,本发明的基于图像处理的胶结充填体微观参数敏感性分析方法,包括以下步骤:
步骤一、从不同养护龄期的多个胶结充填体试样19上各取一部分制成SEM扫描电镜样品,剩余部分作为单轴抗压强度测试样品;并对多个SEM扫描电镜样品和多个单轴抗压强度测试样品根据养护龄期一一对应编号;
例如,多个SEM扫描电镜样品的编号分别为A1、A2、…、AN,多个单轴抗压强度测试样品的编号分别为B1、B2、…、BN;
具体实施时,制成SEM扫描电镜样品还进行了多次喷碳处理。
步骤二、采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,得到多个胶结充填体试样19的单轴抗压强度;
本实施例中,如图2所示,步骤二中所述胶结充填体单轴抗压强度测试装置包括座垫10和固定连接在座垫10顶部的多根拉杆8,以及用于给胶结充填体试样19施加轴向压力的轴向加压传力机构和用于给轴向加压传力机构提供动力的轴向加压动力***;所述座垫10的底部固定连接有多个底座15,所述座垫10的顶部设置有用于放置胶结充填体试样19的试样放置槽,所述座垫10上位于所述试样放置槽的中心位置处设置有排水阀5;多根拉杆8的中部设置有用于固定多根拉杆8的固定架11,多根拉杆8的上部固定连接有顶部装载板9;所述轴向加压传力机构包括安装在顶部装载板9上的气缸2,所述气缸2的活塞杆向下设置,所述气缸2的活塞杆底部连接有压力传递板3;所述轴向加压动力***包括压缩空气气源3和加压控制器18,以及一端与压缩空气气源3连接、另一端与气缸2连接的气体输送管1;所述气体输送管1上从连接压缩空气气源3到连接气缸2的位置依次设置有气动三联件12、压力传感器13和气缸控制电磁阀14,所述压力传感器13与加压控制器18的输入端连接,所述气缸控制电磁阀14与加压控制器18的输出端连接,所述加压控制器18通过通信模块16与计算机17连接。具体实施时,所述压力传递板3由橡胶制成。采用橡胶制成压力传递板3,一方面,能够分配气缸2的活塞杆传递的压力,使压力更加均匀地施加在胶结充填体试样19顶部;另一方面,压力传递板3传递压力到胶结充填体试样19上时,不会对胶结充填体试样19的顶面造成损伤。
本实施例中,所述试样放置槽内设置有套装在胶结充填体试样19底部的O型密封圈6,所述座垫10上设置有位于所述试样放置槽周围的多孔石7。通过设置O型密封圈6,能够防止给胶结充填体试样19施加轴向压力时胶结充填体试样19与座垫10硬接触造成胶结充填体试样19的损伤。通过设置多孔石7,能够吸收胶结充填体试样19渗出的水。
本实施例中,所述加压控制器18为可编程逻辑控制器,所述通信模块16为RS-485通信模块。
本实施例中,步骤二中所述采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,其中对每个抗压强度测试样品进行单轴抗压强度测试的具体过程为:
步骤201、将O型密封圈6放入所述试样放置槽内后,将胶结充填体试样19放入所述试样放置槽内,使胶结充填体试样19的中心与气缸2的活塞杆和压力传递板3的中心相对应;并在座垫10上放入位于所述试样放置槽周围的多孔石7;
步骤202、打开压缩空气气源3,通过调节气动三联件12调节压缩空气气源3输出的压缩空气的气压,加压控制器18通过控制气缸控制电磁阀14换向,控制气缸2的活塞杆向下或向上运动,对胶结充填体试样19施加压力或卸载压力,将胶结充填体试样19破裂时加压控制器18采集到的压力传感器13检测的压力值记为F,加压控制器18将压力值F传输给计算机17,计算机17根据公式计算得到抗压强度测试样品的单轴抗压强度P;其中,S为抗压强度测试样品的顶面面积;当气缸2的活塞杆向下运动时,带动压力传递板3向下运动,通过压力传递板3给胶结充填体试样19施加压力,当气缸2的活塞杆向上运动时,带动压力传递板3向上运动,压力传递板3离开胶结充填体试样19的上表面,卸载压力。
步骤三、采用SEM扫描电镜和计算机17分别对多个SEM扫描电镜样品进行扫描和处理,得到多个胶结充填体的微观参数组;其中,对每个SEM扫描电镜样品进行扫描和处理,得到胶结充填体的微观参数组的具体过程为:
步骤301、采用SEM扫描电镜对SEM扫描电镜样品进行扫描,形成SEM电镜扫描图像并存储到计算机17中;
本实施例中,采用SEM扫描电镜对SEM扫描电镜样品进行扫描形成的SEM电镜扫描图像如图3所示。
步骤302、所述计算机17将SEM电镜扫描图像的灰度像素值输入预先构建的模拟退火竞争神经网络中,得到模拟退火竞争神经网络的输出,所述模拟退火竞争神经网络的输出为亮、较亮、暗、最暗的四个胶结充填体聚类图像;
本实施例中,步骤302中所述模拟退火竞争神经网络的构建方法为:
步骤3021、从不同养护龄期的多个胶结充填体试样19上各取一部分制成SEM扫描电镜样品;
步骤3022、采用SEM扫描电镜分别对多个SEM扫描电镜样品进行多次扫描,形成多个SEM电镜扫描图像并存储到计算机17中;所述SEM电镜扫描图像的数量至少为500个;
步骤3023、所述计算机17分别对多个SEM电镜扫描图像进行正规化处理,形成多个像素为640×480的训练样本图像;
步骤3024、所述计算机17构建一个两层结构的模拟退火竞争神经网络(AnnealedChaotic Competitive Neural Network,ACCLN),输入层为训练样本图像的灰度像素值,输出层为亮、较亮、暗、最暗四类胶结充填体聚类图像;
本实施例中,模拟退火竞争神经网络的拓扑结构如图4所示。图4中Input layer表示输入层,Output layer表示输出层。该网络的输入层n个节点在输出层被分为c类,即在输出层有c个聚类中心。
步骤3025、所述计算机17随机设置4个权聚中心w1、w2、w3和w4;
步骤3026、所述计算机17初始化自反馈连接权重系数、暂态连接权重系数和内部状态连接权重系数;
步骤3027、所述计算机(17)根据公式计算能量函数E;其中,ux;j为第x个输入神经元zx和第j个权聚中心wj的暂态连接权重系数,x的取值为1~n的自然数,n为输入神经元的总个数(即训练样本图像的总个数,等于养护龄期的总个数,等于步骤一中胶结充填体试样19的总个数),j的取值为1~c的自然数,c的取值为4(c表示输出层图像的个数);
步骤3028、所述计算机(17)根据公式更新t时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数ux;j(t),其中,e为自然对数,vx;j(t)为t时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数且vx;j(t)=kvx;j(t-1)+E-T(t-1)(ux;j(t-1)-I0),k为衰减因子且k的取值范围为0≤k≤1,vx;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数,T(t-1)为t时刻的前一时刻的自反馈连接权重系数,ux;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数,I0为神经元输入偏差,ε为输出函数的衰减***且ε的取值大于0;
本实施例中,I0的取值为0.64。第一次训练时,T(t-1)为步骤3026中自反馈连接权重系数的初始化值,ux;j(t-1)为步骤3026中暂态连接权重系数的初始化值,vx;j(t-1)为步骤3026中内部状态连接权重系数的初始化值。
暂态连接权重系数ux;j(t)表示在一个混沌函数中通过一个自反馈连接权重的动态过程,训练过程中,随着自反馈连接权重系数T(t)逐渐减小,混沌函数收敛;暂态ux;j(t)逐渐从暂态的混沌分形状态过度到稳态,这种混沌行为嵌入在神经网络中,最终趋于稳定。
步骤3029、所述计算机(17)根据公式更新t时刻的自反馈连接权重系数T(t),其中,b的取值为500,a的取值为0.98;
指数衰减函数T(t)是退火函数,用于在动态过程中收敛到稳态值。
步骤30210、所述计算机(17)根据公式vx;j(t+1)=kvx;j(t)+E-T(t)(ux;j(t)-I0)更新t+1时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数vx;j(t+1);
步骤30211、所述计算机17根据公式Δwj=η(zx-wj)ux;j和公式wj(t+1)=wj(t)+Δwj(t)更新t+1时刻的第j个权聚中心wj(t+1);其中,wj(t)为t时刻的第j个权聚中心,η的取值为0.1;
步骤30212、重复步骤步骤3025~步骤30211,直至将步骤3023中形成的多个训练样本图像全部训练完,构建得到了模拟退火竞争神经网络。
本实施例中,所述模拟退火竞争神经网络输出的四个胶结充填体聚类图像如图5A~图5D所示,分别为亮、较亮、暗和最暗四个胶结充填体聚类图像。
在传统的神经网络训练过程中,训练网络经常进入局部最优解,而不能达到全局最优解;本发明将模拟退火的方法嵌入到竞争神经网络中,神经网络的能量函数能够有效的收敛趋于稳态,达到全局最优解;解决了传统神经网络中局部最优的问题。
步骤303、所述计算机17将灰度值最小一类的胶结充填体聚类图像(最暗的胶结充填体聚类图像)确定为胶结充填体微观孔隙图,并对胶结充填体微观孔隙图进行二值化处理,再对孔隙区域进行二值反转处理,得到胶结充填体微观孔隙二值图;
本实施例中,灰度值最小的胶结充填体聚类图像为图5D,即图5D为胶结充填体微观孔隙图,对胶结充填体微观孔隙图进行二值化处理,得到的图像如图6所示,得到的胶结充填体微观孔隙二值图如图7所示。
步骤304、所述计算机17调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到定量描述孔隙的分布、数量、方向和大小特征的胶结充填体的多个微观参数;
本实施例中,步骤304中得到的微观参数的数量为12个,12个微观参数分别为孔隙数、孔隙总面积、孔隙最大面积、孔隙平均面积、孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数、圆形度、分形维数和加权概率熵。
本实施例中,步骤304中所述计算机17调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到胶结充填体的12个微观参数的具体过程为:
步骤3041、将胶结充填体微观孔隙二值图上孔隙的个数确定为胶结充填体的孔隙数;孔隙数能够反映出胶结充填体裂隙发育的数目大小;
步骤3042、将胶结充填体微观孔隙二值图上所有孔隙的面积之和确定为胶结充填体的孔隙总面积;
步骤3043、将胶结充填体微观孔隙二值图上所有孔隙中面积最大的孔隙面积确定为孔隙最大面积;
步骤3044、用孔隙总面积除以孔隙数得到胶结充填体的孔隙平均面积;
步骤3045、采用Feret直径定义孔隙区域块的长度,并用所有孔隙的长度之和除以孔隙数得到胶结充填体的孔隙长轴平均长度;
步骤3046、将胶结充填体微观孔隙二值图上所有孔隙的面积之和与胶结充填体微观孔隙二值图的面积的比确定为孔隙率;孔隙率虽然是二维参数,但可以间接反映三维空间孔隙比的变化,能够反映胶结充填体孔隙的完整程度;
步骤3047、首先,将胶结充填体微观孔隙二值图上的孔隙图像块按照面积从小到大排列;然后,根据公式Cu=d60/d10确定不均匀系数Cu,其中,d60为孔隙图像块面积累加和占孔隙总面积的60%对应的孔隙图像块的平均直径,d10为孔隙图像块面积累加和占孔隙总面积的10%对应的孔隙图像块的平均直径;
步骤3048、根据公式确定曲率系数Cc,其中,d30为孔隙图像块面积累加和占孔隙总面积的30%对应的孔隙图像块的平均直径;曲率系数是反映孔隙图像块的直径的累计曲线的斜率是否连续的指标系数;当曲率系数在1~3之间时,表明孔隙图像块的直径的累计曲线的斜率连续,孔隙图像块的大小分布比较均匀;
步骤3049、根据公式Sc=d25/d75确定分选系数Sc,其中,d25为孔隙图像块面积累加和占孔隙总面积的25%对应的孔隙图像块的平均直径,d75为孔隙图像块面积累加和占孔隙总面积的75%对应的孔隙图像块的平均直径;具体实施时,当孔隙图像块的面积大小均匀时,d25和d75两值很靠近,Sc的取值越接近于1,反之,Sc的取值远大于1;
步骤30410、根据公式确定圆形度R,其中,Rζ为第ζ个孔隙的圆形度且Rζ=4πSζ/Lζ 2,Sζ为第ζ个孔隙的面积,Lζ第ζ个孔隙的周长,ζ的取值为1~N的自然数,N为孔隙数;具体实施时,R的取值在0~1之间,R的取值越大,孔隙的形状越圆滑,R的取值越小,孔隙的形状越狭长;
步骤30411、首先,在胶结充填体微观孔隙二值图上画出网格间距为r的网格,并对画出的网格进行统计,当网格中出现孔隙图像块时,记为1,当网络中未出现孔隙图像块时,记为0,将1的个数确定为孔隙图像块在网格中的个数N(r);然后,根据公式Dc=-lim[lnN(r)/lnr]确定分形维数Dc;其中,r的取值为不大于的非零自然数,表示向下取整,W为胶结充填体微观孔隙二值图的宽度;
步骤30412、根据公式确定加权概率熵H,其中,hζ为第ζ个孔隙的概率熵且m为孔隙排列方向的定向角区间数,例如,取m为36,即每10°一个扇区;pζρ为第ζ个孔隙在第ρ个定向角区间中出现的概率,ρ的取值为1~m的自然数;aζ为第ζ个孔隙的权重值且概率熵是反映结构单元体有序的定量参数,可以描述微观尺度下胶结充填体中孔隙的整体排列情况;H越大,说明孔隙排列越混乱,有序性越低,反之,H越小,有序性越好。
本发明提出了一种基于面积确定权重值的计算方式,当空隙面积大时,对概率熵的贡献率大,反之贡献率小。
步骤四、所述计算机17调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样19的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数。
本实施例中,步骤四中所述计算机17调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样19的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数的具体过程为:
步骤401、首先,将n个不同养护龄期下的胶结充填体的第λ个微观参数值按照养护龄期从短到长的顺序两两差分得到第λ个微观参数值的n-1个不同差值,其中,第λ个微观参数值的第γ个差值表示为Δx′γ,λ;然后,将n-1个差值分别映射到0~10之间,并将映射到0~10之间的第λ个微观参数值的第γ个差值表示为Δxγ,λ;其中,n为养护龄期的总个数(等于步骤一中胶结充填体试样19的总个数),γ的取值为1~n-1的自然数,λ的取值为1~P的自然数,P为胶结充填体的微观参数的总数量;具体实施时,最小差值为0,最大差值为10,其余差值等比例映射;
本实施例中,P的取值为12;胶结充填体的12个微观参数分别为孔隙数、孔隙总面积、孔隙最大面积、孔隙平均面积、孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数、圆形度、分形维数和加权概率熵。
本实施例中,所述n的取值为5,5个不同养护龄期分别为7天、14天、28天、56天和90天。
本实施例中,养护龄期分别为7天(7d)、14天(14d)、28天(28d)、56天(56d)和90天(90d)的胶结充填体的12个微观参数统计表如表1所示。
表1养护龄期分别为7天、14天、28天、56天和90天的胶结充填体的12个微观参数统计表
步骤402、首先,将n个不同养护龄期下的胶结充填体试样19的单轴抗压强度按照养护龄期从短到长的顺序两两差分得到第n-1个不同单轴抗压强度差值,其中,第γ个单轴抗压强度差值表示为Δy′γ;然后,将n-1个单轴抗压强度差值分别映射到0~10之间,并将映射到0~10之间的第γ个单轴抗压强度差值表示为Δyγ;具体实施时,最小单轴抗压强度差值为0,最大单轴抗压强度差值为10,其余单轴抗压强度差值等比例映射;
本实施例中,养护龄期分别为7天(7d)、14天(14d)、28天(28d)、56天(56d)和90天(90d)的胶结充填体试样19的单轴抗压强度统计图如图8所示。
步骤403、根据公式计算胶结充填体的第λ个微观参数的敏感性系数sλ;
步骤404、重复步骤401~403,直至λ的取值从1取到P,按照敏感性系数从大到小的顺序排列胶结充填体的P个微观参数;敏感性系数越大,对胶结充填体的性能影响越大;敏感性系数越小,对胶结充填体的性能影响越小;
步骤405、按照敏感性系数从大到小的顺序计算胶结充填体的P个微观参数各自所占比重,其中,第λ个微观参数的敏感性系数sλ所占比重σλ的计算公式为
步骤406、按照敏感性系数从大到小的顺序叠加胶结充填体的微观参数所占比重,当比重和时,将前个胶结充填体的微观参数确定为胶结充填体对力学响应特性敏感的敏感性微观参数,将后个胶结充填体的微观参数确定为胶结充填体对力学响应特性不敏感的非敏感性微观参数;其中,的取值为2~P的自然数,τ的取值为的自然数。
本实施例中,当时,且前6个胶结充填体的微观参数按照敏感性系数从大到小的顺序分别为分形维数、孔隙最大面积、孔隙平均面积、孔隙数、孔隙总面积和加权概率熵,因此,胶结充填体对力学响应特性敏感的敏感性微观参数为分形维数、孔隙最大面积、孔隙平均面积、孔隙数、孔隙总面积和加权概率熵,胶结充填体对力学响应特性不敏感的非敏感性微观参数为孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数和圆形度。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (9)
1.一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于,该方法包括以下步骤:
步骤一、从不同养护龄期的多个胶结充填体试样(19)上各取一部分制成SEM扫描电镜样品,剩余部分作为单轴抗压强度测试样品;并对多个SEM扫描电镜样品和多个单轴抗压强度测试样品根据养护龄期一一对应编号;
步骤二、采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,得到多个胶结充填体试样(19)的单轴抗压强度;
步骤三、采用SEM扫描电镜和计算机(17)分别对多个SEM扫描电镜样品进行扫描和处理,得到多个胶结充填体的微观参数组;其中,对每个SEM扫描电镜样品进行扫描和处理,得到胶结充填体的微观参数组的具体过程为:
步骤301、采用SEM扫描电镜对SEM扫描电镜样品进行扫描,形成SEM电镜扫描图像并存储到计算机(17)中;
步骤302、所述计算机(17)将SEM电镜扫描图像的灰度像素值输入预先构建的模拟退火竞争神经网络中,得到模拟退火竞争神经网络的输出,所述模拟退火竞争神经网络的输出为亮、较亮、暗、最暗的四个胶结充填体聚类图像;
步骤303、所述计算机(17)将灰度值最小一类的胶结充填体聚类图像确定为胶结充填体微观孔隙图,并对胶结充填体微观孔隙图进行二值化处理,再对孔隙区域进行二值反转处理,得到胶结充填体微观孔隙二值图;
步骤304、所述计算机(17)调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到定量描述孔隙的分布、数量、方向和大小特征的胶结充填体的多个微观参数;
步骤四、所述计算机(17)调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样(19)的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数;
步骤二中所述胶结充填体单轴抗压强度测试装置包括座垫(10)和固定连接在座垫(10)顶部的多根拉杆(8),以及用于给胶结充填体试样(19)施加轴向压力的轴向加压传力机构和用于给轴向加压传力机构提供动力的轴向加压动力***;所述座垫(10)的底部固定连接有多个底座(15),所述座垫(10)的顶部设置有用于放置胶结充填体试样(19)的试样放置槽,所述座垫(10)上位于所述试样放置槽的中心位置处设置有排水阀(5);多根拉杆(8)的中部设置有用于固定多根拉杆(8)的固定架(11),多根拉杆(8)的上部固定连接有顶部装载板(9);所述轴向加压传力机构包括安装在顶部装载板(9)上的气缸(2),所述气缸(2)的活塞杆向下设置,所述气缸(2)的活塞杆底部连接有压力传递板(3);所述轴向加压动力***包括压缩空气气源(4)和加压控制器(18),以及一端与压缩空气气源(4)连接、另一端与气缸(2)连接的气体输送管(1);所述气体输送管(1)上从连接压缩空气气源(4)到连接气缸(2)的位置依次设置有气动三联件(12)、压力传感器(13)和气缸控制电磁阀(14),所述压力传感器(13)与加压控制器(18)的输入端连接,所述气缸控制电磁阀(14)与加压控制器(18)的输出端连接,所述加压控制器(18)通过通信模块(16)与计算机(17)连接。
2.按照权利要求1所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述试样放置槽内设置有套装在胶结充填体试样(19)底部的O型密封圈(6),所述座垫(10)上设置有位于所述试样放置槽周围的多孔石(7)。
3.按照权利要求2所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述加压控制器(18)为可编程逻辑控制器,所述通信模块(16)为RS-485通信模块。
4.按照权利要求2所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤二中所述采用胶结充填体单轴抗压强度测试装置分别对多个抗压强度测试样品进行单轴抗压强度测试,其中对每个抗压强度测试样品进行单轴抗压强度测试的具体过程为:
步骤201、将O型密封圈(6)放入所述试样放置槽内后,将胶结充填体试样(19)放入所述试样放置槽内,使胶结充填体试样(19)的中心与气缸(2)的活塞杆和压力传递板(3)的中心相对应;并在座垫(10)上放入位于所述试样放置槽周围的多孔石(7);
步骤202、打开压缩空气气源(4),通过调节气动三联件(12)调节压缩空气气源(4)输出的压缩空气的气压,加压控制器(18)通过控制气缸控制电磁阀(14)换向,控制气缸(2)的活塞杆向下或向上运动,对胶结充填体试样(19)施加压力或卸载压力,将胶结充填体试样(19)破裂时加压控制器(18)采集到的压力传感器(13)检测的压力值记为F,加压控制器(18)将压力值F传输给计算机(17),计算机(17)根据公式计算得到抗压强度测试样品的单轴抗压强度P;其中,S为抗压强度测试样品的顶面面积;当气缸(2)的活塞杆向下运动时,带动压力传递板(3)向下运动,通过压力传递板(3)给胶结充填体试样(19)施加压力,当气缸(2)的活塞杆向上运动时,带动压力传递板(3)向上运动,压力传递板(3)离开胶结充填体试样(19)的上表面,卸载压力。
5.按照权利要求1所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤302中所述模拟退火竞争神经网络的构建方法为:
步骤3021、从不同养护龄期的多个胶结充填体试样(19)上各取一部分制成SEM扫描电镜样品;
步骤3022、采用SEM扫描电镜分别对多个SEM扫描电镜样品进行多次扫描,形成多个SEM电镜扫描图像并存储到计算机(17)中;所述SEM电镜扫描图像的数量至少为500个;
步骤3023、所述计算机(17)分别对多个SEM电镜扫描图像进行正规化处理,形成多个像素为640×480的训练样本图像;
步骤3024、所述计算机(17)构建一个两层结构的模拟退火竞争神经网络,输入层为训练样本图像的灰度像素值,输出层为亮、较亮、暗、最暗四类胶结充填体聚类图像;
步骤3025、所述计算机(17)随机设置4个权聚中心w1、w2、w3和w4;
步骤3026、所述计算机(17)初始化自反馈连接权重系数、暂态连接权重系数和内部状态连接权重系数;
步骤3027、所述计算机(17)根据公式计算能量函数E;其中,ux;j为第x个输入神经元zx和第j个权聚中心wj的暂态连接权重系数,x的取值为1~n的自然数,n为输入神经元的总个数,j的取值为1~c的自然数,c的取值为4;
步骤3028、所述计算机(17)根据公式更新t时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数ux;j(t),其中,e为自然对数,vx;j(t)为t时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数且vx;j(t)=kvx;j(t-1)+E-T(t-1)(ux;j(t-1)-I0),k为衰减因子且k的取值范围为0≤k≤1,vx;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数,T(t-1)为t时刻的前一时刻的自反馈连接权重系数,ux;j(t-1)为t时刻的前一时刻第x个输入神经元zx和第j个输出神经元wj的暂态连接权重系数,I0为神经元输入偏差,ε为输出函数的衰减***且ε的取值大于0;
步骤3029、所述计算机(17)根据公式更新t时刻的自反馈连接权重系数T(t),其中,b的取值为500,a的取值为0.98;
步骤30210、所述计算机(17)根据公式vx;j(t+1)=kvx;j(t)+E-T(t)(ux;j(t)-I0)更新t+1时刻第x个输入神经元zx和第j个权聚中心wj的内部状态连接权重系数vx;j(t+1);
步骤30211、所述计算机(17)根据公式Δwj=η(zx-wj)ux;j和公式wj(t+1)=wj(t)+Δwj(t)更新t+1时刻的第j个权聚中心wj(t+1);其中,wj(t)为t时刻的第j个权聚中心,η的取值为0.1;
步骤30212、重复步骤步骤3025~步骤30211,直至将步骤3023中形成的多个训练样本图像全部训练完,构建得到了模拟退火竞争神经网络。
6.按照权利要求1所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤304中得到的微观参数的数量为12个,12个微观参数分别为孔隙数、孔隙总面积、孔隙最大面积、孔隙平均面积、孔隙长轴平均长度、孔隙率、不均匀系数、曲率系数、分选系数、圆形度、分形维数和加权概率熵。
7.按照权利要求6所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤304中所述计算机(17)调用孔隙图像定量分析模块对胶结充填体微观孔隙二值图进行分析处理,得到胶结充填体的12个微观参数的具体过程为:
步骤3041、将胶结充填体微观孔隙二值图上孔隙的个数确定为胶结充填体的孔隙数;
步骤3042、将胶结充填体微观孔隙二值图上所有孔隙的面积之和确定为胶结充填体的孔隙总面积;
步骤3043、将胶结充填体微观孔隙二值图上所有孔隙中面积最大的孔隙面积确定为孔隙最大面积;
步骤3044、用孔隙总面积除以孔隙数得到胶结充填体的孔隙平均面积;
步骤3045、采用Feret直径定义孔隙区域块的长度,并用所有孔隙的长度之和除以孔隙数得到胶结充填体的孔隙长轴平均长度;
步骤3046、将胶结充填体微观孔隙二值图上所有孔隙的面积之和与胶结充填体微观孔隙二值图的面积的比确定为孔隙率;
步骤3047、首先,将胶结充填体微观孔隙二值图上的孔隙图像块按照面积从小到大排列;然后,根据公式Cu=d60/d10确定不均匀系数Cu,其中,d60为孔隙图像块面积累加和占孔隙总面积的60%对应的孔隙图像块的平均直径,d10为孔隙图像块面积累加和占孔隙总面积的10%对应的孔隙图像块的平均直径;
步骤3048、根据公式确定曲率系数Cc,其中,d30为孔隙图像块面积累加和占孔隙总面积的30%对应的孔隙图像块的平均直径;
步骤3049、根据公式Sc=d25/d75确定分选系数Sc,其中,d25为孔隙图像块面积累加和占孔隙总面积的25%对应的孔隙图像块的平均直径,d75为孔隙图像块面积累加和占孔隙总面积的75%对应的孔隙图像块的平均直径;
步骤30410、根据公式确定圆形度R,其中,Rζ为第ζ个孔隙的圆形度且Rζ=4πSζ/Lζ 2,Sζ为第ζ个孔隙的面积,Lζ第ζ个孔隙的周长,ζ的取值为1~N的自然数,N为孔隙数;
步骤30411、首先,在胶结充填体微观孔隙二值图上画出网格间距为r的网格,并对画出的网格进行统计,当网格中出现孔隙图像块时,记为1,当网络中未出现孔隙图像块时,记为0,将1的个数确定为孔隙图像块在网格中的个数N(r);然后,根据公式Dc=-lim[lnN(r)/lnr]确定分形维数Dc;其中,r的取值为不大于的非零自然数,表示向下取整,W为胶结充填体微观孔隙二值图的宽度;
步骤30412、根据公式确定加权概率熵H,其中,hζ为第ζ个孔隙的概率熵且m为孔隙排列方向的定向角区间数,pζρ为第ζ个孔隙在第ρ个定向角区间中出现的概率,ρ的取值为1~m的自然数;aζ为第ζ个孔隙的权重值且
8.按照权利要求1所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:步骤四中所述计算机(17)调用微观参数与单轴抗压强度的敏感性分析模块对步骤二中得到的多个胶结充填体试样(19)的单轴抗压强度与步骤三中得到的多个胶结充填体的微观参数组进行敏感性分析,确定出胶结充填体对力学响应特性敏感的敏感性微观参数的具体过程为:
步骤401、首先,将n个不同养护龄期下的胶结充填体的第λ个微观参数值按照养护龄期从短到长的顺序两两差分得到第λ个微观参数值的n-1个不同差值,其中,第λ个微观参数值的第γ个差值表示为Δx′γ,λ;然后,将n-1个差值分别映射到0~10之间,并将映射到0~10之间的第λ个微观参数值的第γ个差值表示为Δxγ,λ;其中,n为养护龄期的总个数,γ的取值为1~n-1的自然数,λ的取值为1~P的自然数,P为胶结充填体的微观参数的总数量;
步骤402、首先,将n个不同养护龄期下的胶结充填体试样(19)的单轴抗压强度按照养护龄期从短到长的顺序两两差分得到第n-1个不同单轴抗压强度差值,其中,第γ个单轴抗压强度差值表示为Δy′γ;然后,将n-1个单轴抗压强度差值分别映射到0~10之间,并将映射到0~10之间的第γ个单轴抗压强度差值表示为Δyγ;
步骤403、根据公式计算胶结充填体的第λ个微观参数的敏感性系数sλ;
步骤404、重复步骤401~403,直至λ的取值从1取到P,按照敏感性系数从大到小的顺序排列胶结充填体的P个微观参数;
步骤405、按照敏感性系数从大到小的顺序计算胶结充填体的P个微观参数各自所占比重,其中,第λ个微观参数的敏感性系数sλ所占比重σλ的计算公式为
步骤406、按照敏感性系数从大到小的顺序叠加胶结充填体的微观参数所占比重,当比重和时,将前个胶结充填体的微观参数确定为胶结充填体对力学响应特性敏感的敏感性微观参数,将后个胶结充填体的微观参数确定为胶结充填体对力学响应特性不敏感的非敏感性微观参数;其中,的取值为2~P的自然数,τ的取值为的自然数。
9.按照权利要求8所述的一种基于图像处理的胶结充填体微观参数敏感性分析方法,其特征在于:所述n的取值为5,5个不同养护龄期分别为7天、14天、28天、56天和90天。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097843.6A CN108287254B (zh) | 2018-01-31 | 2018-01-31 | 一种基于图像处理的胶结充填体微观参数敏感性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097843.6A CN108287254B (zh) | 2018-01-31 | 2018-01-31 | 一种基于图像处理的胶结充填体微观参数敏感性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108287254A CN108287254A (zh) | 2018-07-17 |
CN108287254B true CN108287254B (zh) | 2018-11-20 |
Family
ID=62836345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810097843.6A Active CN108287254B (zh) | 2018-01-31 | 2018-01-31 | 一种基于图像处理的胶结充填体微观参数敏感性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108287254B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487643B (zh) * | 2021-07-19 | 2022-06-28 | 华电西藏能源有限公司大古水电分公司 | 一种胶结砂砾石料场采样确定方法 |
CN113486592B (zh) * | 2021-07-19 | 2023-09-01 | 中国水利水电科学研究院 | 一种考虑多因素影响的胶结料结构性能演化预测方法 |
CN115508206B (zh) * | 2022-10-11 | 2024-07-05 | 昆明理工大学 | 一种节理岩质边坡岩体强度参数概率反演方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61147377A (ja) * | 1984-12-20 | 1986-07-05 | Fuji Electric Co Ltd | 画像解析装置 |
CN104729922A (zh) * | 2015-03-10 | 2015-06-24 | 中国矿业大学(北京) | 一种全尾砂胶凝骨料固结渗流联合试验装置及其测试方法 |
CN106813977B (zh) * | 2017-01-18 | 2019-05-17 | 浙江科技学院(浙江中德科技促进中心) | 砂颗粒纳米凝胶胶结区细观应变测量装置及测量方法 |
-
2018
- 2018-01-31 CN CN201810097843.6A patent/CN108287254B/zh active Active
Non-Patent Citations (2)
Title |
---|
Quantification and characterization of microporosity by image processing, geometric measurement and statistical methods: Application on SEM images of clay materials;Chun Liu,et al.;《Applied Clay Science》;20111231;97-106 * |
尾砂胶结充填体力学性能与微观结构研究;李鑫等;《中国矿业》;20160630;169-172 * |
Also Published As
Publication number | Publication date |
---|---|
CN108287254A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229062B (zh) | 基于敏感性微观参数预测胶结充填体力学响应特性的方法 | |
CN108287254B (zh) | 一种基于图像处理的胶结充填体微观参数敏感性分析方法 | |
Moini et al. | The optimization of aggregate blends for sustainable low cement concrete | |
Bagarello et al. | Field and laboratory approaches for determining sodicity effects on saturated soil hydraulic conductivity | |
CN110147561B (zh) | 一种含天然裂缝致密油气储层体积压裂缝网预测方法 | |
CN109783988A (zh) | 一种基于ga-bp网络的碾压混凝土压实度评价方法 | |
CN109359737B (zh) | 再生骨料透水混凝土bp神经网络预测分析方法 | |
Özşen et al. | Effect of salt crystallization on weathering of pyroclastic rocks from Cappadocia, Turkey | |
CN105784494A (zh) | 一种特定复合型蚀变岩/带综合抗压强度指标获取方法 | |
CN110263431A (zh) | 一种混凝土28d抗压强度预测方法 | |
CN106738205A (zh) | 一种基于振动试验的水泥稳定破碎砾石配合比设计方法 | |
CN108153947B (zh) | 一种基于软岩现场状态的崩解特征的描述方法 | |
Šperl et al. | Permeability and porosity of rocks and their relationship based on laboratory testing | |
CN108445030B (zh) | 基于图像与微观参数的胶结充填体力学响应特性预测方法 | |
CN109053035B (zh) | 一种软岩相似模型试验材料及其制备软岩相似模型的方法 | |
CN108256258B (zh) | 基于sem图像的胶结充填体力学响应特性预测方法 | |
Rabbi et al. | Role of matric suction on wetting-induced collapse settlement of silty sand | |
Qin et al. | Prediction of mechanical strength based on deep learning using the scanning electron image of microscopic cemented paste backfill | |
CN102830000B (zh) | 水泥混凝土科研试件的制备方法 | |
Ahouet et al. | Study of the relationship between the fundamental properties of fine soils and those of mathematical models of particle size distribution and geotechnical quantities | |
Nematzadeh et al. | Investigating laboratory parameters of the resistance of different mixtures of soil–lime–fume using the curing and administrative method | |
CN112884739A (zh) | 一种基于深度学习网络的堆石体填筑密实度快速检测方法 | |
CN110453654B (zh) | 一种心墙堆石坝施工掺配参数优选方法 | |
Wu et al. | Direct shear tests of the interface between filling soil and bedrock of Chongqing airport | |
CN108240940B (zh) | 一种胶结充填体力学响应特性测试***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |