基于Dice相似度量的三维结构面代表性试样选取方法转让专利
申请号 : CN201610998577.5
文献号 : CN106769276B
文献日 : 2019-07-12
发明人 : 杜时贵 , 雍睿 , 杨小聪 , 夏才初 , 刘文连 , 代永新 , 马成荣 , 黄曼 , 叶军 , 李国平
申请人 : 绍兴文理学院
摘要 :
一种基于Dice相似度量的三维结构面代表性试样选取方法，包括以下步骤：(1)获得结构面三维点云坐标数据；(2)截取处于不同位置的测试结构面坐标数据；(3)找出截取测试结构面的水平中心，垂直平面与结构面三维起伏表面的交线为结构面不同方向的起伏轮廓线；(4)计算所有截取的结构面试样不同方向的粗糙度系数；(5)按不同测量方向进行JRC的统计分析；(6)计算结构面粗糙度各向异性统计平均值的特征向量；(7)计算结构面粗糙度各向异性统计实测结果的特征向量；(8)对比每个测试结构面与统计平均值的特征向量的相似性，将相似度最高的试样作为该尺寸条件下的代表性试样。本发明能准确评价试样代表性、指导结构面试样选取。
权利要求 :
1.一种基于Dice相似度量的三维结构面代表性试样选取方法，其特征在于：所述选取方法包括以下步骤：(1)采用三维激光扫描仪对大尺度结构面试样进行扫描，获得结构面三维点云坐标数据；
(2)依据结构面试样的实验设计尺寸，在大尺度结构面三维坐标范围内截取处于不同位置的结构面坐标数据；
(3)找出所截取的测试结构面的水平中心，以通过该水平中心的法线为转动轴，以设定角度方向角为间隔，作结构面的水平面的垂直平面，该平面与结构面三维起伏表面的交线为结构面不同方向的起伏轮廓线，轮廓线长度等于结构面试样的实验室设计尺寸；
(4)根据结构面轮廓线的表面坐标信息，采用Barton直边法简明公式计算所有截取的结构面试样不同方向的粗糙度系数JRC；
(5)根据所有试样的JRC各向统计结果，按不同测量方向进行JRC的统计分析，确定最大、最小值，并求解统计平均值；
(6)计算结构面粗糙度各向异性统计平均值的特征向量；
(7)依据每个测试结构面各个方向实测的JRC值，计算结构面粗糙度各向异性统计实测结果的特征向量；
(8)依据Dice相似度量，对比每个测试结构面与统计平均值的特征向量的相似性，将相似度最高的试样作为该尺寸条件下的代表性试样。
说明书 :
基于Dice相似度量的三维结构面代表性试样选取方法
技术领域
[0001] 本发明属于工程技术领域，涉及一种结构面抗剪强度代表性试样的优化选取方法，特别的是本发明基于结构面表面起伏形态的三维激光扫描数据，提取了大尺度试样上不同位置、不同方向的结构面粗糙度统计数据，以统计平均值为标准，通过结构面粗糙度系数实测数据与统计结果的相似度量分析，确定代表性试样。该方法解决了直剪试验中人为取样的随意性问题，实现了岩体结构面试样的定量准确选取。
背景技术
[0002] 直剪试验是确定结构面抗剪强度的重要方法，不同试验规范或规程中都提到了有关结构面试样准备的要求，例如取样方法、试样数量、保存运输方式等等。然而，结构面是自然地质历史进程的产物，其发育特征具有明显的非均一性和各向异性。即使是在同一大尺寸结构面试样的不同位置选取的结构面，其表面形态往往具有较大的差异性。长期以来工程人员一直困扰于如何判断所选取的结构面试样是否具有代表性，往往凭借主观经验对测试结构面试样进行判断和筛选。前人研究表明，结构面粗糙度是影响结构面力学性质的关键因素。当壁岩强度基本相同时，结构面抗剪强度由粗糙度系数决定。因此，开展基于结构面粗糙度分析的抗剪强度试样优选研究具有十分重要的理论意义与工程应用价值。
[0003] 2006年，杜时贵等公开了一种结构面试样的代表性评价方法，该方法通过在岩体结构面上均匀布置测段，然后进行不同测段结构面粗糙度系数的统计分析，将统计平均值作为粗糙度系数的特征值，通过每个试样的粗糙度系数与特征值的差异性来判断结构面试样的代表性。
[0004] 2013年，黄曼等公开了一种基于分层概率抽样的小尺寸岩石模型结构面试样代表性取样方法，其技术核心在于运用分层取样公式求得总样本量，并依据层权的类别确定各层的样本量，以期满足试验的统计精度要求。
[0005] 2015年，杜时贵等公开了一种结构面粗糙度系数尺寸效应取样代表性评价方法，该方法主要通过计算系列尺度结构面粗糙度系数概率密度函数最大值，与每个结构面试样的粗糙度系数进行相对偏差分析，来判断试样的选取的代表性程度。
[0006] 2016年，杜时贵等公开了一种基于Dice相似度量方法的结构面粗糙度系数的评价方法，该方法通过分析Barton的标准轮廓曲线与测试轮廓曲线特征向量的相似性，判断二维结构面轮廓曲线的粗糙度系数的区间范围，不涉及结构面代表性试样的选取。
[0007] 然而，上述研究中均忽视了结构面表面起伏形态的复杂三维属性，采用二维结构面的统计测量结果分析试样代表性，忽略粗糙度各向异性特征，进而影响了结构面试样的代表性评价与准确选取。
发明内容
[0008] 为了克服现有技术中人为主观因素对结构面抗剪强度试样选取的影响、现有方法无法准确评价试样的代表性以及选取结构面试样的代表性不足等问题，本发明从结构面表面起伏形态的复杂三维属性出发，提出了一种基于Dice相似度量分析的结构面抗剪强度代表性试样的选取方法。
[0009] 本发明解决其技术问题所采用的技术方案是：
[0010] 一种基于Dice相似度量的三维结构面代表性试样选取方法，所述选取方法包括以下步骤：
[0011] (1)采用三维激光仪对大尺度结构面试样进行扫描，获得结构面三维点云坐标数据；
[0012] (2)依据结构面试样的实验设计尺寸，在大尺度结构面三维坐标范围内截取处于不同位置的结构面坐标数据；
[0013] (3)找出所截取的测试结构面的水平中心，以通过该水平中心的法线为转动轴，以设定角度方向角为间隔，作结构面的水平面的垂直平面，该平面与结构面三维起伏表面的交线为结构面不同方向的起伏轮廓线，轮廓线长度等于结构面试样的实验室设计尺寸；
[0014] (4)根据结构面轮廓线的表面坐标信息，采用Barton直边法简明公式计算所有截取的结构面试样不同方向的粗糙度系数JRC；
[0015] (5)根据所有试样的JRC各向统计结果，按不同测量方向进行JRC的统计分析，确定最大、最小值，并求解统计平均值；
[0016] (6)计算结构面粗糙度各向异性统计平均值的特征向量；
[0017] (7)依据每个测试结构面各个方向实测的JRC值，计算结构面粗糙度各向异性统计实测结果的特征向量；
[0018] (8)依据Dice相似度量，对比每个测试结构面与统计平均值的特征向量的相似性，将相似度最高的试样作为该尺寸条件下的代表性试样。
[0019] 本发明的有益效果主要表现在：准确代表性评价和选取结构面试样。
附图说明
[0020] 图1是实施例结构面表面三维坐标数据图；
[0021] 图2是测试尺寸条件下结构面表面三维坐标数据截取示意图(以右上角50cm×50cm结构面为例)；
[0022] 图3是测试尺寸条件下结构面表面三维坐标数据截取俯视图(以右上角50cm×50cm结构面为例)；
[0023] 图4是测试结构面表面轮廓线的示意图(以165°方位角为例)。
具体实施方式
[0024] 下面结合附图对本发明作进一步描述。
[0025] 参照图1～图4，一种基于Dice相似度量的三维结构面代表性试样选取方法，所述选取方法包括以下步骤：
[0026] (1)采用高精度三维激光扫描仪对大尺度结构面试样进行扫描，获得结构面三维点云坐标数据；
[0027] (2)依据结构面试样的实验设计尺寸，在大尺度结构面三维坐标范围内截取处于不同位置的结构面坐标数据；
[0028] (3)找出所截取的测试结构面的水平中心，以通过该水平中心的法线为转动轴，以设定方向角为间隔，作结构面的水平面的垂直平面，该平面与结构面三维起伏表面的交线为结构面不同方向的起伏轮廓线，轮廓线长度等于结构面试样的实验室设计尺寸；
[0029] (4)根据结构面轮廓线的表面坐标信息，采用Barton直边法简明公式计算所有截取的结构面试样不同方向的粗糙度系数JRC；
[0030] (5)根据所有试样的JRC各向统计结果，按不同测量方向进行JRC的统计分析，确定最大、最小值，并求解统计平均值；
[0031] (6)计算结构面粗糙度各向异性统计平均值的特征向量；
[0032] (7)依据每个测试结构面各个方向实测的JRC值，计算结构面粗糙度各向异性统计实测结果的特征向量；
[0033] (8)依据Dice相似度量，对比每个测试结构面与统计平均值的特征向量的相似性，将相似度最高的试样作为该尺寸条件下的代表性试样。
[0034] 实例：一种基于Dice相似度量的三维结构面代表性试样选取方法，包括以下步骤：
[0035] (1)野外现场选定大尺寸花岗岩结构面(1m×1m)，采用高精度三维激光扫描仪进行扫描，获得复杂起伏轮廓三维坐标数据，其点云数据如图1所示；
[0036] (2)结构面直剪试验中采用的试样尺寸为50cm×50cm，在三维激光扫描获得的大尺寸结构面试样坐标数据的基础上，以50cm×50cm等步距截取100个测试结构面，测试结构面试样均匀覆盖整个大尺寸结构面；图2为右上角50cm×50cm结构面表面三维坐标数据截取示意图，图3为该结构面截取的俯视图；
[0037] (3)找出所截取的测试结构面的水平中心，以该水平中心的法线为转动轴，15°方向角为间隔，分别作结构面的水平面的垂直平面，该平面与结构面三维起伏表面的交线为结构面不同方向的起伏轮廓线，轮廓线长度等于50cm，以165°方位角为例，其对应的结构面轮廓线如图4所示；
[0038] (4)根据结构面轮廓线的表面坐标信息，采用Barton直边法简明公式计算所有截取的结构面试样不同方向的粗糙度系数JRC，其表达式为
[0039]
[0040] 式中 为结构面表面轮廓曲线齿凸幅度标识值，L为结构面轮廓曲线长度，ti为结构面JRC实测值的特征向量。
[0041] 表1为100个不同位置处截取的测试结构面中10个典型结构面各个方向的JRC数据。
[0042]
[0043] 表1
[0044] (5)根据所有试样的JRC各向统计结果，按不同测量方向进行JRC的统计分析，确定每个方向JRC最大测量值 与最小测量值 求解统计平均值m，得到统计平均值的特征向量mi＝[9.9,11.4,12.1,10.8,12.4,12.7,7.0,10.3,7.5,4.2,4.5,7.3,9.9,11.4,12.1,10.8,12.4,12.7,7.0,10.3,7.5,4.2,4.5,7.3]。表2为所有测试结构面JRC的统计平均值与标准差；
[0045]
[0046] 表2
[0047] (6)依据各个方向的JRC的统计平均值结果，并进行归一化，得到JRC的统计平均值的特征向量M：
[0048]
[0049] 表3为结构面JRC统计平均值的各方向归一化结果，Mi为各个方向JRC统计平均值特征向量mi的归一化值，Mi＝[0.48,0.60,0.50,0.48,0.32,0.63,0.25,0.45,0.38,0.29,0.32,0.26,0.48,0.60,0.50,0.48,0.32,0.63,0.25,0.45,0.38,0.29,0.32,0.26]；
[0050]
[0051] 表3
[0052] (7)依据每个测试结构面各个方向实测的JRC值，确定其特征向量T[0053]
[0054] Ti为各个方向JRC实测值特征向量ti的归一化值。
[0055]
[0056] 表4
[0057] (8)根据Dice相似度量方法，分别确定各个方向实测JRC与统计平均JRC值特征向量的相似度，其公式为：
[0058]
[0059] 相似度量测试结果如表5所示，发现试样编号56所对应的相似度最大，其值为0.9944，可将其作为代表性试样。其坐标位置为X轴0.28m到0.78m区间内，Y轴0.28m到0.78m区间内。
[0060]编号 相似度 编号 相似度 编号 相似度 编号 相似度 编号 相似度
1 0.7771 21 0.7765 41 0.8143 61 0.8045 81 0.9029
2 0.6767 22 0.8068 42 0.7877 62 0.9275 82 0.9531
3 0.6545 23 0.7284 43 0.8737 63 0.9777 83 0.9739
4 0.7401 24 0.9372 44 0.9441 64 0.9564 84 0.9739
5 0.6660 25 0.8680 45 0.9403 65 0.9398 85 0.9634
6 0.8704 26 0.9607 46 0.9468 66 0.9540 86 0.9116
7 0.8832 27 0.9319 47 0.8758 67 0.9442 87 0.9497
8 0.9298 28 0.9529 48 0.9050 68 0.8840 88 0.9298
9 0.9576 29 0.9722 49 0.9543 69 0.8934 89 0.8675
10 0.9721 30 0.9637 50 0.9568 70 0.8911 90 0.8343
11 0.8140 31 0.7766 51 0.8023 71 0.8897 91 0.9507
12 0.6582 32 0.7349 52 0.8700 72 0.8595 92 0.9586
13 0.5820 33 0.8846 53 0.9288 73 0.9571 93 0.9779
14 0.6764 34 0.9475 54 0.9509 74 0.9829 94 0.9507
15 0.8431 35 0.9452 55 0.9443 75 0.9892 95 0.8993
16 0.9055 36 0.9331 56 0.9944 76 0.9695 96 0.9162
17 0.9073 37 0.9390 57 0.9217 77 0.9580 97 0.9086
18 0.9330 38 0.9506 58 0.9658 78 0.9490 98 0.8396
19 0.9375 39 0.9784 59 0.9417 79 0.9166 99 0.8019
20 0.9799 40 0.9650 60 0.9338 80 0.8233 100 0.5750
1 0.7771 21 0.7765 41 0.8143 61 0.8045 81 0.9029
2 0.6767 22 0.8068 42 0.7877 62 0.9275 82 0.9531
3 0.6545 23 0.7284 43 0.8737 63 0.9777 83 0.9739
4 0.7401 24 0.9372 44 0.9441 64 0.9564 84 0.9739
5 0.6660 25 0.8680 45 0.9403 65 0.9398 85 0.9634
6 0.8704 26 0.9607 46 0.9468 66 0.9540 86 0.9116
7 0.8832 27 0.9319 47 0.8758 67 0.9442 87 0.9497
8 0.9298 28 0.9529 48 0.9050 68 0.8840 88 0.9298
9 0.9576 29 0.9722 49 0.9543 69 0.8934 89 0.8675
10 0.9721 30 0.9637 50 0.9568 70 0.8911 90 0.8343
11 0.8140 31 0.7766 51 0.8023 71 0.8897 91 0.9507
12 0.6582 32 0.7349 52 0.8700 72 0.8595 92 0.9586
13 0.5820 33 0.8846 53 0.9288 73 0.9571 93 0.9779
14 0.6764 34 0.9475 54 0.9509 74 0.9829 94 0.9507
15 0.8431 35 0.9452 55 0.9443 75 0.9892 95 0.8993
16 0.9055 36 0.9331 56 0.9944 76 0.9695 96 0.9162
17 0.9073 37 0.9390 57 0.9217 77 0.9580 97 0.9086
18 0.9330 38 0.9506 58 0.9658 78 0.9490 98 0.8396
19 0.9375 39 0.9784 59 0.9417 79 0.9166 99 0.8019
20 0.9799 40 0.9650 60 0.9338 80 0.8233 100 0.5750
[0061] 表5
[0062] 本发明的核心在于依据大尺度试样上不同位置、不同方向的结构面粗糙度统计数据，以统计平均值为标准，通过结构面各个方向JRC的统计平均值与实测值特征向量的相似度分析确定代表性试样。倘若改动测量JRC的方法和采用类似的相似度量分析方法均属于本发明权利要求及其等同技术的范围内，则本发明也意图包含这些改动和变形在内。