张拉作用下岩石破裂的声发射特性及P波初动极性

刘希灵，刘清林，杜 坤，李夕兵，谢 秦

中南大学资源与安全工程学院，长沙 410083

随着矿产资源开采活动日渐趋向深部，矿产开采过程中岩体的稳定性也越来越受到人们的关注，而岩石破裂状况监测是岩体稳定性评估的最重要手段，对于岩石的破裂状况监测需要对断裂机理有深入的认识.通常情况下，岩石材料在受力后，会产生张拉、直剪和扭剪三种破裂模式[1]，而Ⅰ型张拉破坏是岩石破裂的主要类型，这在很多学者的研究中得到了共识[2-5].因此，对于岩石张拉破坏特性的研究不仅有助于深入认识岩石的断裂机理[6-7]，还可以为工程现场岩体的稳定性监测提供理论依据.很多学者对岩石的张拉破裂特性开展了研究[8-10]，而声发射技术作为一种有效的破裂监测手段，常被用来作为一种辅助手段对岩石的断裂特性进行研究，并且大量的研究表明，地震前震序列的机制可以通过室内岩石声发射实验中观察到的微破裂活动得到再现[11-15].

在岩石破裂的声发射监测中，Aggelis等[16]通过分析声发射信号的RA(振幅与上升时间比值)与AF(平均频率) 参数，研究了大理岩试样在三点弯曲破坏下的破裂机制；Nejati等[17]基于RA 与AF值指标，研究了巴西劈裂试验过程中加载速率对破裂机制的影响；刘希灵等[18]通过开展花岗岩和大理岩巴西圆盘声发射试验，结合扫描电镜进行破裂面微观形貌分析，探讨了劈裂荷载下岩石声发射特性与微观破裂机制的关系；Xie等[19]采用分离式霍普金森压杆(SHPB)装置和INSTRON1346伺服试验机在纯I型加载条件下对巴西圆盘(CSTBD)直穿裂缝页岩试样进行了测试，基于声发射信号的分析结果，探讨了页岩断裂韧性和裂纹扩展速度随加载速率变化的断裂机理.Du等[20]通过巴西间接拉伸试验和三点弯曲岩石试验，研究了岩石断裂过程中的声发射特征和裂纹类型，试验结果表明，根据声发射计数和能量特征参数的变化趋势，岩石破裂过程表现出明显的分段变化特征，并存在明显的增长期，岩石的声发射特征与岩石破裂过程中产生的微裂纹类型密切相关.同时，也有学者开展了不同应变率下岩石破裂的声发射特性研究，通过分析声发射信号特征参数得到随着应变率的升高，岩样中拉伸破裂占比增加[21-22].以往学者所做的岩石力学实验多采用常规机械加载方式，在这些实验研究中声发射作为一种有效的分析岩石断裂机理的手段，常被用来检测裂纹从萌生到扩展再到宏观破裂产生的弹性波信号，进而通过揭示岩石破裂损伤机理.

在常规的张拉声发射实验中，由于加载设备的影响，传感器会收到很多非破裂信号，如果用定位的方法来确定破裂信号，则会损失很多小幅值的信号，这对通过声发射数据分析破裂特性会产生较大的影响.基于此本文设计了一种膨胀剂扩张的岩石声发射实验，详细研究岩石在张拉作用下破裂的声发射特性.该实验设计的目的是确保传感器收集的声发射信号都是由岩石试样的破裂产生的，而不依赖于定位来识别有效的破裂信号.进而通过分析张拉破裂下声发射信号的特征参数，深入认识张拉破裂产生的弹性波信号的特征，同时也为深部开采岩体稳定性的微震以及声发射监控提供理论支撑.

1 实验设计

本次实验选取花岗岩、大理石、砂岩三种岩石类型各一块作为研究对象，均制成为105 mm×105 mm×105 mm 正方体试样如图1所示.三种岩石的矿物成分分别是花岗岩含有石英、斜长石、钾长石和少量黑云母，大理石主要含方解石和白云石，砂岩的主要矿物组成是石英，三种岩石不管是在岩石的成因、颗粒组成以及节理裂隙发育方面都可以作为研究岩石声发射特性的代表岩样.实验方案如图2所示，声发射监测采用PCI-2采集系统，相关参数设置见表1.按照图2粘贴好应变片和声发射传感器(压电式声发射传感器Nano30，带宽 125 ～ 750 kHz，谐振频为 140 kHz)并将相应设备与采集系统连接后，在采集系统采集声发射数据之前，需要做几组断铅实验，确保每一个传感器都与岩样表面处于最佳的耦合状态，这样声发射传感器才能在长时间的实验过程中稳定接收高质量的信号.断铅实验达到预期后，在将准备好的膨胀剂和水搅拌均匀(膨胀剂和水的质量比率为5∶1.7)，然后将混合物匀速浇灌到岩石试样的孔洞中，避免在浇灌膨胀剂和水的混合物时在孔洞中产生气泡，然后启动声发射和应变采集系统开始实验.

图2 膨胀剂扩张破裂的声发射实验系统示意图Fig.2 Schematic diagram of the rock AE experimental system for expansion fracture

表1 声发射采集系统参数设置Table 1 AE instrument parameter setups

2 实验结果及讨论

2.1 声发射信号特征参数的变化规律

花岗岩、大理岩和红砂岩岩石试样的声发射参数幅值、能量、累积计数和应变数据随时间变化曲线如图3所示.由于花岗岩、大理岩和红砂岩试样分别在13000，98000和16000 s以前采集的声发射信号很少，所以图3是从13000 s，9800 s和16000 s开始分别记录花岗岩，大理岩和红砂岩的声发射参数和应变随时间变化的关系.

从图3可以看出，花岗岩、大理岩和红砂岩分别在 13000 ～ 16025 s、100000 ～ 108929 s和 17250 ～17888 s之间累积计数近似呈水平增长.而三种岩石试样分别在 16025 ～ 17199 s、108927 ～ 08930 s和17888 ～ 17890 s之间发生了宏观破裂，累积计数快速增长，能量也达到了峰值.为了更清楚的说明三种岩石宏观破裂期间累积计数的增长趋势，我们选取了上述三种宏观破裂发生时间段的累积计数数据，对其进行线性拟合，线性拟合的一次项系数越大，说明数据增长趋势越快.如表2所示，花岗岩、大理岩、红砂岩宏观破裂阶段累积计数拟合的一次项系数分别为149.45、104797、20254.花岗岩的拟合曲线一次项系数远小于大理岩和红砂岩，这说明花岗岩的累积计数在宏观破裂过程中的增长趋势明显比红砂岩、大理岩缓慢，这与三种岩石声宏观破裂阶段声发射信号能量变化有很大的相关性.

表2 三种岩石宏观破裂阶段累积计数线性拟合一次项系数Table 2 Linear fitting first-order coefficients of cumulative counts during macroscopic fracture stages of the three rock samples

花岗岩在岩石试样发生宏观破裂时存在连续多次能量突增现象，而大理岩和红砂岩只存在一次能量突增的现象，这说明花岗岩的破裂过程有一定的持续性.出现这种现象说明作为火成岩的花岗岩，其内部矿物颗粒较大，组成复杂，与大理岩和红砂岩矿物颗粒组成有明显的区别，花岗岩在发生宏观破裂之前局部(尤其是大矿物颗粒边界)更容易形成大尺度的破裂，因此花岗岩会有持续的能量突增，大理岩和红砂岩的岩石颗粒较小，在膨胀力作用下在宏观破裂时只出现一次能量突增.

此外，在地震活动中存在前震、主震和余震[23]，从图3可以看出，膨胀剂扩张的岩石声发射实验也存在类似于地震事件的现象：在岩石试件宏观破裂前产生一定数量的声发射事件，岩石试件形成宏观破裂时产生大量密集声发射事件，岩石试样发生宏观破裂后依然会有相当数量的声发射事件.

图3 声发射特征参数和应变随时间变化曲线.(a)花岗岩；(b) 大理岩；(c) 红砂岩Fig.3 Variation curve of AE parameters and strain over time: (a) granite; (b) marble; (c) red sandstone

2.2 声发射信号的频率特征

信号中心频率是声发射信号能谱图对应的质心频率，声发射事件的高频成分占比较高时中心频率较高，反之中心频率较低，中心频率能表示声发射事件的频率成分分布特征.对于岩石这种多晶体、各向异性材料来说，其破裂模式与矿物颗粒的组成以及矿物晶体的性质密切相关，结构体(层理、夹层、弱面等)和矿物颗粒之间的耦合(胶结物、填充物或空隙)决定了岩石宏观破裂的形态，而晶体的性质决定了岩石内部微裂纹发展的方式.不同类型的破裂就会产生不同特征的声发射信号，而频率则是表征弹性波震源特性的一个重要参数.对于岩石声发射而言，不同类型的震源产生不同尺度的破裂，不同尺度的破裂则产生不同频率的信号.声发射信号频率与破裂尺度的关系在众多研究中都有提及[24-27]，结果都表明岩石在不同加载阶段声发射信号频率有明显的变化，这与不同加载阶段的破裂尺度有很大的关系，信号频率的变化特征甚至可以作为判断宏观破坏发生的前兆信息.

图4显示了三种岩石声发射信号中心频率随膨胀剂作用时间的变化特征，整体上来看，在加载后期出现较多中心频率较低的声发射信号，这说明加载后期大尺度破裂增加，但由于岩样是沿着预定面破裂，这种频率降低的变化并不明显.为了进一步显示各岩样不同频率成分的显著性，我们绘制了如图5所示的各频段声发射信号的分布图.从图5可以看出，花岗岩中心频率主要分布在100 ～300 kHz，大理岩中心频率主要分布在200 ～ 400 kHz，红砂岩中心频率主要分布在200～500 kHz.因此，花岗岩较低频率事件占比较多，大理岩较高频率事件占比较多，红砂岩高频的事件占比最多.此外，花岗岩、大理岩和红砂岩300～500 kHz频段的事件占比分别在20%，30%和60%左右，红砂岩高频事件占比最高，大理岩次之，花岗岩高频事件占比最低.这种现象出现的原因在于：如图6所示[28]，花岗岩内部矿物颗粒较大，不同大小的矿物颗粒胶结复杂，大尺度的矿物颗粒交界面破裂就会产生低频率的信号；而大理岩矿物颗粒较小且均一，这会产生较多小尺度破裂，高频信号占比会增加；进一步，红砂岩矿物颗粒在三种岩石试样中最小、最均匀，因此高频信号占比也最多.

图4 三种岩石中心频率的时域分布散点图.(a) 花岗岩；(b) 大理岩；(c) 红砂岩Fig.4 Scatter diagram of the centroid frequency in the time domain of the three rock samples: (a) granite; (b) marble; (c) red sandstone

图5 三种岩石不同中心频率频段声发射事件占比分布图.(a) 花岗岩；(b) 大理岩；(c) 红砂岩Fig.5 Distribution of AE events in different centroid frequency intervals of the three stones: (a) granite; (b) marble; (c) red sandstone

图6 三种岩石微观结构图.(a)花岗岩；(b)大理岩；(c)红砂岩Fig.6 Microstructure of rocks in the transparent refractive index experiment: (a) granite; (b) marble; (c) red sandstone

2.3 声发射信号RA-AF值分布特征

在岩石、混凝土材料室内声发射试验中，RA值(上升时间/幅值)可以作为实验试样破裂类型评判的指标参数，常与平均频率AF值(计数/持续时间)一起分析岩石或混凝土材料的破裂模式.高AF值低RA值对应拉伸破裂，而高RA值低AF值对应着剪切破裂[18,20,22].

如图7 (a)，(c)，(e)分别为花岗岩、大理岩和红砂岩的RA-AF值的散点图，为了更清楚展现RA-AF 的分布规律，图7 (b)，(d)，(f)分别为花岗岩、大理岩和红砂岩的RA-AF值分布的密度云图.三种岩石的RA值主要分布在0 ～ 1.9之间，花岗岩AF值主要分布在200 ～ 250 kHz，大理岩和红砂岩AF值主要分布在50 ～ 100 kHz之间.从图中可以看出，大部分的声发射信号都是高AF值低RA值，说明花岗岩、大理岩和红砂岩在膨胀力作用下主要发生张拉破坏.

图7 三种岩样RA-AF散点图和密度云图.(a)，(c)，(e)分别为花岗岩、大理岩、红砂岩RA-AF散点图；(b)，(d)，(f)分别为花岗岩、大理岩、红砂岩RA-AF密度云图Fig.7 RA-AF distribution and density cloud diagram of the three kinds rock samples: (a), (c), (e) is RA-AF scatter diagram of granite, marble and red sandstone respectively; (b), (d), (f) is density cloud diagram of granite, marble and red sandstone respectively

2.4 全波形P波初动极性分析

在对声发射数据进行P波初动极性分析前，需对实验数据进行处理，从声发射事件的数据文件中筛选出含有编号为1 ～ 6号声发射传感器依次出现的声发射事件序列组，再筛选出声发射事件组中最晚采集的事件时间与最早采集事件时间差值小于12 μs (震源到每两个声发射传感器距离之差最大值与弹性波波速的比值)的事件组.进而提取出这些声发射事件组中每个传感器的波形数据，提取出波形数据后，需要拾取各波形的P波到时数据.常用的P波到时拾取方法有STA/LTA[29-30]，PAI-S/K[31]和AIC[32]等方法，然而STA/LTA法虽具有计算速度快、稳定性好的特点，但拾取精度较低，拾取低信噪比信号的P波初至较为困难.而PAIS/K法和AIC法精度较高，但稳定性差，容易受尖刺和尾部信号的影响.因此，本文采用S/L-K-A法[33]对每个声发射事件进行全波形P波初至拾取，S/LK-A法是STA/LTA，PAI-K和AIC的改进方法，其综合了上述三种拾取方法的优点，既有较高的精度，又能稳定拾取.

在对声发射信号进行P波初至拾取后，即可开展P波初至极性分析.P波初至极性与岩石破裂类型之间有很好的对应关系，我们区分岩石破裂类型的简单方法是计算具有正向P波初动和负向P波初动的压电信号的比值.如果大多数传感器具有正向或负向的P波初动，则分别将这些事件命名为T-型和C-型，否则(-0.25和0.25之间的极性)被命名为S-型[34].P波初至的平均极性可根据公式(1)计算而得[35]：

其中，k为声发射传感器的个数，pol是微破裂源的平均极性，Ai为全波形P波初至的幅值，sign( )函数中当Ai为负，函数值为-1；Ai为 0，函数值为 0；Ai为正，函数值为1.当pol∈[-1, -0.25)时，微破裂属于张拉破裂源 (T-型)；当 pol∈[-0.25, 0.25)时，微破裂为剪切破裂源 (S-型)；当 pol∈[0.25, 1]时，微破裂源为坍缩破裂源(C-型).

图8显示了通过上述步骤计算得到的pol参数值，从图中可以看出，pol值主要分布在[-1, -0.25)之间，其中花岗岩的比率为77.71%，大理岩为79.5%，红砂岩为87.42%，说明岩石试样多发生T-型破裂.花岗岩和大理岩pol∈[-0.25, 0.25) 的声发射事件占比几乎为零，因此花岗岩和大理岩中很少发生S-型破裂，而作为沉积岩的红砂岩pol∈[-0.25, 0.25)的声发射事件占比为9.93%左右，存在一定数量的S-型破裂.花岗岩和大理岩的pol∈(0.25,1] 事件占比分别为22.15% 和20.5%，这说明这两种岩石中C-型破裂也较多.

图8 三种岩石实验中T-型、C-型和S-型破裂源声发射事件数所占比率.(a)花岗岩；(b)大理岩；(c)红砂岩Fig.8 Proportion of T-type, C-type, and S-type AE events in experiments of the three rock samples: (a) granite; (b) marble; (c) red sandstone

图9显示了膨胀剂作用下岩样的受力图，处于岩石试样孔洞之间的微元体受到膨胀剂的挤压和张拉作用力时，由于岩石材料的抗拉强度远远小于其抗压强度所以岩石微裂纹主要在张拉力作用下扩展，发生图9(b)所示的T-型破裂.另一方面，如果在岩样中存在较多的节理面，则可能会产生如图9(c)所示的区域微元体受力状况，节理面会在挤压和张拉力的作用下发生剪切破裂，从而产生S-型破裂源，这也正是红砂岩pol∈[-0.25, 0.25)的声发射事件占比较多的原因.对于C-型破裂源来说，如图9(d)所示，岩石试样中存在原生裂隙，在挤压和张拉力作用下不可避免发生原生裂隙的坍缩闭合，这些坍缩闭合则属于C-型破裂源.对于矿物颗粒较大、组成复杂的花岗岩和大理岩来说，受力后容易在矿物颗粒之间或内部的空隙中发生坍缩闭合，这就导致这两种岩石中产生较多C-型破裂源.

图9 (a) 膨胀剂作用下岩石试样受力示意图；(b) T-type破裂示意图；(c) S-type破裂示意图；(d) C-type破裂示意图Fig.9 (a) Schematic diagram of the force in the rock sample under the action of the expansion agent; (b) T-type rupture; (c) S-type rupture; (d) C-type rupture

从声发射事件P波初动极性分析来看，花岗岩、大理岩和红砂岩主要发生张拉破裂，这与三种岩石RA-AF值的分布特征一致，花岗岩和大理岩除了主要发生张拉破裂之外还有20%左右的裂纹闭合破裂(C-型破裂)，主要原因如图6所示花岗岩和大理岩中含有较多空隙；红砂岩除了张拉破裂之外还产生10%左右的S-型破裂，主要是因为红砂岩是沉积岩，含有大量节理面.另一方面，上文中分析得到，花岗岩、大理岩和红砂岩的中心频率大部分分布在200 ～ 400 kHz之间，红砂岩还有约15%左右的声发射事件中心频率在400～500 kHz，花岗岩和红砂岩甚至还有部分声发射事件的中心频率高于500 kHz，可以看出三种岩石试样破裂时产生的声发射信号都属于高频信号.对于张拉型破裂来说，其产生的弹性波P波成分较显著，而剪切型破裂产生的弹性波S波成分较显著.由于P波波速要大于S波，因此，从破裂的最初端传到最远端P波脉冲不会被大量分离，这就使P波脉冲比S波脉冲更窄[36-37].脉冲窄的弹性波频率就高，这也是膨胀剂实验中产生较多高频声发射信号的主要原因.

3 结论

(1) 频率是信号固有的特性，破裂尺度和频率有着天然的对应关系，破裂尺度小的产生的弹性波信号频率高，破裂尺度大的产生的弹性波信号频率低，因此三种岩石试样(花岗岩、大理岩、红砂岩)中岩石颗粒最大的花岗岩破裂过程中产生中心频率较低的事件占比最大，大理岩次之，而颗粒最小的红砂岩破裂过程中产生的高中心频率事件占比最大，因此在对破裂信号进行分析时，频率是一个重要的参数.然而，值得注意的是，声发射信号是传感器收到的来自破裂处激发的信号，其频率不仅与破裂的尺度和类型有关，还与传感器到破裂震源的距离(距离越远，高频成分衰减越大)和传感器的谐振频率有关，因此，不同实验条件下声发射信号频率的对比需综合考虑上述因素.

(2) RA-AF值分布和P波初动极性，都是具有统计学规律的岩石声发射特征参数，可以很好的判断破裂源的特征— —张拉型还是剪切型，本文中实施的岩石试样膨胀剂张拉试验采集的声发射信号的低RA值高AF值的分布特征，以及pol参数多分布在[-1,-0.25)的分布特征说明采用RA-AF值分布和P波初动极性分析岩石破裂源特征的方法是可行的.然而，这两种方法都只能基于统计对破裂类型进行定性的描述，RA-AF值不同破裂类型下的分布区间并没有明确的限定，通过RA-AF值的分布特征只能定性的说明声发射信号的频率特性，并且由于频率与破裂尺度和模式紧密相关，进而RA-AF的分布特征也在一定程度上反应岩样破裂尺度和模式的分布特征.而P波初动极性分析也是基于不同传感器收到信号P波初动方向的定性分析，因此，不能依据这两种方法推断单个震源的破裂模式，单个震源破裂模式的识别还需借助诸如矩张量反演等方法开展分析.