具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

如图1至图3所示，图1示出了本发明提供的一种划分岩爆过程中张拉和剪切裂纹的方法流程图。图2示出了本发明提供的一种支持向量机算法流程图。图3示出了本发明提供的一种RA-AF绘制方法示意图。

本发明实施例的一种划分岩爆过程中张拉和剪切裂纹的方法，包括：S1--通过声发射实验获得的声发射信号计算RA和AF值；S2--划分低RA高AF区，并将其作为张拉裂纹聚集区；S3--划分高RA低AF区，并将其作为剪切裂纹聚集区；S4--将张拉裂纹聚集区和剪切裂纹聚集区的声发射信号作为学习值，输入向量机进行学习，得出初始裂纹信号识别库；S5--采用逼近法将剩余的待识别信号分类成张拉裂纹聚集区和剪切裂纹聚集区的声发射信号，得出最终裂纹信号识别库。

其中，材料中局域源快速释放能量产生瞬态弹性波的现象称为声发射(AcousticEmission, 简称AE) ，有时也称为应力波发射。由于材料内部结构发生变化而引起材料内应力突然重新分布；使机械能转变为声能；产生弹性波，是一种常见的无损检测手段。声发射实验就是常规的实验室模拟岩爆的实验。SVM指的是支持向量机，作为一种有监督学习的机器学习算法。逼近法是数学上常用的方法。

在本发明的一个优选实施例中，划分岩爆过程中张拉和剪切裂纹的方法还包括：根据张拉裂纹聚集区和剪切裂纹聚集区的声发射信号绘制RA-AF图。

其中，岩爆实验后，划分完成张拉裂纹聚集区和剪切裂纹聚集区，以RA作为X轴，以AF作为Y轴，绘制出RA-AF图。

在本发明的一个优选实施例中，RA为上升时间与幅值的比值，AF为振铃计数与持续时间的比值，其中，振铃计数是一次试验中声发射信号超过阈值的振铃脉冲次数，幅度是指波形的最大振幅值，持续时间是指声发射信号第一次越过门槛电压至最终降至门槛电压所经历的时间间隔，上升时间为声发射信号第一次越过门槛电压至最大振幅所经历的时间间隔。RA为X轴，AF为Y轴，通过巴西劈裂实验确定张拉裂纹聚集区。张拉裂纹聚集区的取值范围为RA-AF坐标归一化后，斜率在73.3008°至90°的区域。RA为X轴，AF为Y轴，通过直剪实验确定剪切裂纹聚集区。剪切裂纹聚集区为RA-AF坐标归一化后，斜率在0°至20.5560°的区域。

如图1至图3所示，通过室内的巴西劈裂实验计算RA和AF值，传统的岩石力学方法认为巴西劈裂实验出来的信号大多都是张拉信号，它的信号在低RA和AF区域非常密集，因此可以认为该区域是张拉裂纹聚集区，同理通过室内的直剪试验也可以找出剪切裂纹密集区（直剪试验出来的信号多是剪切裂纹信号，在高RA低AF区域密集集中）。通过数学方法，从坐标原点画一条直线，这条直线与X轴，即与RA轴的夹角非常小时，为高RA低AF区域，即为剪切裂纹聚集区，与Y轴，即与AF轴夹角非常小时，为高AF低RA区域，即为张拉裂纹聚集区。与X轴和Y轴的夹角具体值通过巴西劈裂实验和直剪试验并经过处理得到。将RA-AF坐标归一化后，剪切裂纹聚集区的范围是0~20.5560°，张拉裂纹聚集区的范围是73.3008°~90°。

在本发明的一个优选实施例中，剪切裂纹聚集区声发射信号设为1，张拉裂纹聚集区声发射信号设为2，将1、2类声发射信号作为学习值，带入支持向量机进行机器学习，得到初始裂纹信号识别库。剩余信号设为待识别信号3，通过逼近法将3分类为1或2，形成最终裂纹信号识别库。

如图1至图3所示，通过支持向量机算法，首先定义剪切裂纹聚集区声发射信号为1，张拉裂纹聚集区声发射信号为2，剩余为待识别信号3。其次，分别将1、2类声发射信号作为学习值，对应的{1}和{2}作为学习结果带入支持向量机进行机器学习，得到初始裂纹信号识别库。然后，利用“逼近法”将待识别信号分类成1和2类。

图4示出了本发明提供的一种声发射实验应力路径示意图。图5示出了本发明提供的一种通过机器学习算法计算之后所得到的RA-AF分区示意图。图6示出了本发明提供的一种岩爆过程中每分钟的裂纹占比示意图。图7示出了本发明提供的一种岩爆过程中每分钟的全过程占比示意图。

如图4至图7所示，在本发明的一个优选实施例中，实验岩石为红砂岩，采用“加载-单面突然卸载-保载-轴向加载”的加载方式模拟岩爆，加载的初始地应力水平为：σv/σh/σH=26.36/33.63/21.83MPa。实验的应力路径如图4所示。根据所获得的声发射信号进行RA与AF计算，并利用上述机器学习算法对岩爆全过程进行张拉-剪切裂纹划分。图5为通过机器学习算法计算之后所得到的RA-AF分区。图6和图7分别为岩爆过程中每分钟的裂纹占比和全过程占比。从图6和图7可以看出，在岩爆实验过程中，张拉裂纹占比均占了绝大部分，在岩爆的全过程中占主导作用。而根据现有的理论研究发现，在发生岩爆之前，岩体必定会有“劈裂成板”的过程，而劈裂成板正是由于张拉裂纹在全过程中起主导作用而造成的。在加载至岩爆的过程中，出现了张拉裂纹占比降低，而剪切裂纹占比上升的现象，这正对应了岩爆孕育过程中的“剪切成块”的过程，随着张拉裂纹占比的持续降低，剪切裂纹占比的持续上升，最终发生岩爆。

通过本方法计算出的结果与实际情况相一致，这说明本方法的划分结果符合实际情况，具有合理性。且本方法的利用了机器学习算法，与传统方法相比，极大的降低了人工干预，且计算出的裂纹占比曲线很好的反映出岩爆孕育过程中的“劈裂成板→剪断成块→岩块弹射”的过程。

在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。

本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。

在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。