边坡岩块体的崩塌破坏以其时间的突发性,很难在工程中予以早期预警,因此成为岩土工程领域亟待解决的难点问题之一[1]。目前,传统的监测手段和思路更多关注于加速破坏阶段前的预警,例如针对滑坡、泥石流进行的位移监测等,虽然这些监测方法和思路对塑性破坏灾害有较好的早期预警效果,但是对于实现崩塌等脆性破坏灾害的早期预警,还有待于进一步商榷[2]。虽然相关研究通过应用振动特征参数监测提前实现崩塌破坏前期的预判,但其时效性仍然无法满足崩塌灾害的应急预防需求。因此,选取与脆性破坏灾害相适应的早期预警方法并进行深入研究,是实现危岩块体崩塌早期预警的关键所在。
国内外对边坡岩体的崩塌破坏问题进行了大量研究,也取得了很多可喜的成果。通常,危岩破坏失稳及其运动致灾过程是不断演化的动力学过程[3],因此应用振动特征参数(固有振动频率[4]等)等监测指标来实现崩塌前期多元化信息特征的认知,被认为是解决危岩块体崩塌调查与监测的有效手段之一[5]。前人在对块体崩塌破坏进行预警研究发现,岩块体在破坏前,一般需要经历2个阶段[6-7]:① 分离阶段,通常伴随裂隙的扩展、小变形或是小颗粒岩石的掉落等;② 加速破坏阶段,伴随着潜在破坏面的强度的丧失并产生瞬时的崩塌破坏。
由于崩塌事件这种不可控的能量释放可能是由一系列小事件引起的,因此对分裂阶段的裂隙扩展和小变形的量化监测极为重要[8]。大量资料显示,针对分离阶段的早期预警,往往可以实现崩塌的早期预警预防;而通过加速破坏阶段进行早期预警的思路虽然可以实现对崩塌灾害的识别,但是无法实现崩塌的早期预警。以武隆崩塌鸡尾山崩塌为例[9],在崩塌前3 d的时间里,岩体就发生了一系列岩块掉落等分离破坏前兆现象,从而为人们规避崩塌灾害提供了宝贵的应急响应时间。因此在针对崩塌等脆性破坏中,关注分离阶段前兆识别的预警思路,是改变岩块体崩塌等脆性破坏灾害早期预警被动预防态势的关键所在。
基于此,笔者通过倾倒式危岩物理模型实验,引入新一代远程激光测振技术与固有振动频率等动力学监测指标[10],通过设置岩块体不断弱化的主控结构面,实现基于分离破坏前兆识别的预警方法研究,从而为岩块体崩塌破坏的早期预警提供新的思路。
破坏的突发性使得岩块体崩塌等脆性灾害无法有效实现早期预警。而从损伤学的角度,危岩体在崩塌破坏中,其结构面会不断发生损伤,从稳定岩体→母岩分离→加速破坏。因此,在与母岩分离过程中,会出现分离阶段的破坏前兆;而在随后的加速破坏过程中,亦会出现加速破坏阶段破坏前兆。由于加速破坏时刻与破坏时刻接近,通过加速破坏阶段前兆识别的预警很难具有满意的时效性。因此,只有通过分离阶段的破坏前兆识别,才有可能实现较早时刻的预警响应。
通常危岩体崩塌取决于其与基岩的综合黏接程度,而其发生裂隙扩展后产生脆性破坏的过程,也是其强度不断降低的过程[11]。近年来,随着测振技术的提升,基于振动参数的远程监测在技术上已成为可能[12]。大量研究表明,振动特征参数在岩块体稳定状态分析、损伤识别和强度指标计算方面具有明显的应用优势[13-15]。因此通过固有振动频率等振动特征参数实现对岩块体分离阶段破坏前兆的识别,即通过建立黏结强度与固有振动频率关系模型,从安全分析和损伤识别的双重角度实现分离破坏前兆识别,不失为一种实现岩块体崩塌破坏早期预警的有效方法。
图1为岩块体的示意图,图2为岩块体的动力学模型,基于简化岩块体振动模型[12],振动方程为
(1)
图1 岩块体示意
Fig.1 Sketch of a rock-block
图2 危岩块体动力学简化模型
Fig.2 Simplified dynamic calculation model of unstable rock block
由式(1)可得固有振动频率
(2)
式中,M为试块质量,kg;L为试块重心到原点O的距离,m;K为刚度系数;l为黏结长度,m;θ为转角,(°)。
累积损伤下,岩块体在分离阶段的黏接长度可表示为
(3)
基于式(3),当分离阶段的黏接长度降低时,固有振动频率也会随之变化,因此,固有振动频率振动特征指标可识别危岩块体损伤状态和分离阶段其黏接情况的定量表征。假设分离阶段下,岩块体的质量和刚度系数不变,不同时刻的黏接占比可表示为
(4)
式中,li和fi分别为某时刻岩块体的黏接长度和固有振动频率;l0和f0分别为初始的岩块体的黏接长度和固有振动频率。
因此,基于固有振动频率的振动监测,可以直观反应分离阶段黏接状况,从而实现岩块体崩塌破坏的前兆特征定量识别,进而为岩块体崩塌破坏早期预警研究提供量化识别的监测指标。
实验设备采用远程多普勒激光测振仪,可通过信号中波长变化对物体表面振动进行测量[14]。设备结构简单、精度高,并且可以在高压、腐蚀、强电磁干扰和易燃易爆等环境下进行远程监测。非接触的采集方式更加保证测试人员的安全,同时其精度和灵敏度的提高,以及数据处理流程的进一步完善,也使得岩土工程灾害监测预警的时效性和科学性有了很大提升。因此,该设备在灾害前的预警监测、灾害中的应急决策和灾后次生灾害的识别、重建规划设计等方面发挥积极作用。图3为激光多普勒测振仪。
图3 激光多普勒测振仪
Fig.3 Laser doppler vibrometer
为模拟岩块体在累积损伤作用下主控结构面的黏结力随时间推移逐渐减弱的全过程,实验采取新型的冰冻实验方法[16]来模拟岩块体黏结强度不断降低、块体发生倾倒破坏的全过程。该方法通过预设的冰层来模拟危岩体与稳定岩体之间的潜在结构面,由于实验环境温度远高于冰点温度,冰层的黏结面积会随着时间的推移不断降低,当抗倾力矩小于重力产生的倾倒力矩时,发生脆性崩塌破坏。相对于传统的崩塌破坏实验,该实验方法可以模拟自然界危岩在风化等自然条件下,因黏结强度逐渐丧失后在重力作用下发生崩塌的全过程,从而实现危岩在累积损伤下从稳定到破坏的全过程数据分析和实验研究(图4(a))。实验采用尺寸为15 cm×15 cm×15 cm的花岗岩块体(图4(b)),并在冷库中冻结24 h以上后,取出后冻结在基岩上,从而形成相对稳定但具有不断弱化结构面的危岩体。实验期间激光测振仪测得某时刻振动历史曲线及其频谱图如图5所示,通过不同时刻监测可得岩块体破坏全过程的固有振动频率历时曲线。
图4 新型冰冻实验
Fig.4 New-type freezing experiment
图5 振动历史曲线及频谱
Fig.5 Vibration history curve and vibration spectrum diagram
实验中,从计时开始,岩块体与稳定岩体之间的冰层不断融化,黏结长度不断降低,先后经历稳定→分离→加速破坏全过程。随着时间推移,块体稳定性不断降低,并最终于117 s发生破坏。图6为激光多普勒测振仪监测的固有振动频率曲线。
图6 固有振动频率历时曲线
Fig.6 Duration curve of natural vibration frequency
实验结果显示,随着时间推移,块体黏接长度不断下降,固有振动频率由起始的10.31 Hz逐渐下降,当达到3.75 Hz后,发生破坏。实验中频率指标分别在50 s和115 s一度下降到最低值,并分别在分离阶段和加速破坏阶段出现两次异常的破坏前兆:
(1)分离破坏前兆(10~50 s)。该期间,黏接的冰层开始大量融化,块体与基岩之间的裂缝宽度加大,下部水体析出。块体黏结层的面积减小,块体与墙体出现剥离。频率指标出现明显下降,并接近预警线(6 Hz[17])。由式(4)可知,当危岩体与母岩剥离时,黏接长度l降低,固有振动频率也随之下降,如图5所示。基于固有振动频率的分离破坏前兆识别,可提前67 s实现危岩块体崩塌破坏的预警。
(2)加速破坏前兆(110~115 s)。该期间,岩块体频率发生了急剧下降,并达到最低值,且块体出现较大的振动峰值,预示着黏结层的强度发生了质的下降,并趋于破坏边缘。破坏前2 s,频率出现急剧降低,在115 s时达到最低值,出现加速破坏前兆现象。由于预警的时效性较差,因此基于破坏前兆识别的传统的岩块体崩塌监测预警无法改变岩块体崩塌破坏被动预防的态势。
实验中,随着时间推移,块体稳定性不断降低,并最终于117 s发生破坏,而频率监测指标分别在50 s和115 s一度下降到最低值。基于分离阶段破坏前兆识别提前67 s实现预警,而基于加速破坏阶段的破坏前兆识别则在破坏前2 s触发预警。因此,通过分离破坏前兆现象识别,可为岩块体崩塌破坏的早期预警提供新的思路,即通过固有振动频率过程线,实现对岩块体分离阶段破坏前兆识别,提前实现崩塌的早期预警。基于分离破坏前兆识别的监测预警方法,可以实现危岩崩塌的早期预警。
图7为基于固有振动频率计算的黏结长度和其黏接占比的历时曲线。实验发现,黏结层在50 s时黏接长度下降到9 cm,块体从原有的基岩发生明显剥离。在经历了长达65 s的分离→加速过渡期后,块体于115 s发生加速破坏前兆,随后发生崩塌破坏。分离→加速过渡期实际上是分离破坏前兆与加速破坏前兆之间的一段时间,而这段时间正是崩塌等脆性破坏灾害的早期预警“黄金期”。因此,基于分离阶段破坏前兆识别的预警,可在破坏前67 s实现岩体分离特征的状态识别,充分利用“分离→加速过渡期”(65 s)这一早期预警“黄金期”,从而实现崩塌灾害的应急预警和风险规避,为后续崩塌事件的发生提供提前预警与风险防范。
图7 黏接长度及其占比历时曲线
Fig.7 Duration curves of adhesion length and its proportion
通常,岩块体在破坏前,一般需要经历稳定阶段→分离阶段→加速阶段→破坏阶段。表1为脆性破坏灾害不同阶段的预警效果对比分析。由表1可知,基于稳定阶段的预警历时太久,无法起到预警效果;而基于加速或是破坏阶段,则时效性较差,没有充分的预警避险时间;但在分离阶段实施预警,却具有较好的时效性。因此从崩塌灾害的机理特征分析,基于分离破坏前兆识别的预警可实现崩塌灾害的早期预警预防。
表1 不同阶段的预警效果
Table 1 Warning effect of different stages
阶段稳定阶段分离阶段加速阶段破坏阶段持续时间几十年多天数秒数十毫秒距破坏点—10 s以上10 s以内1 s以内预警时效太久合适差差
由式(3)可知,当岩体与基岩发生分离时,黏接长度发生相应下降,同时其固有振动频率也发生相应下降。基于固有振动频率前期监测,可对岩体破坏前的分离破坏前兆进行监测预警。相关实验研究也表明,相对于加速破坏前兆识别的早期预警,基于分离破坏前兆识别的监测预警方法在时间上分别提前了65,297和20 s,平均提前127.3 s(表2)。基于此,可形成一种针对崩塌破坏的脆性破坏特征的早期监测预警方法,即从分离破坏前兆识别的角度实现崩塌破坏的早期预警分析。由图5和表1可知,相对于加速破坏预警,基于分离破坏前兆识别的预警方法可有效利用“分离→加速过渡期”这一早期预警黄金期,从而提前实现对即将发生破坏风险的岩块体进行早期预警和风险应对,进而减少因崩塌等瞬时破坏灾害造成的人员伤亡和财产损失。
表2 预警时效性对比
Table 2 Comparative analysis of warning time s
实验案例本实验文献[17]文献[18]本方法6730025传统方法235提前预警6529720
因此,基于理论模型和实验结果可知,相对于基于位移等静力学指标的监测预警方法,基于固有振动频率的分离阶段破坏前兆识别在岩块体崩塌早期预警方面具有以下优势:
(1)选取的固有振动频率等振动特征指标,相较于位移监测等静力学指标,在潜在危岩块体的判识、稳定性评估等方面可以提供与力学指标相关联的数据参考。由于边坡上的岩块体崩塌等脆性破坏多是系统不稳定导致的动力破坏,因此相比位移等静力学指标,基于固有振动频率等振动特征指标在损伤识别和崩塌破坏前兆识别方面具有潜在优势[19]:一方面可对分离阶段黏接长度等进行间接考量,实现基于理论模型和安全稳定分析的预警;另一方面可实现破坏前兆现象识别,可以从动力学和损伤力学等多方面实现其结构面黏结程度的定量分析。
(2)基于分离破坏前兆识别的预警思路,相较于传统的加速破坏前兆识别的预警思路,可以有效利用分离破坏前兆与加速破坏前兆之间的一段时间,即分离→加速过渡期。这一黄金时间段使得岩体崩塌的早期预警变为可能。根据不同案例黄金时间段的时间长短,可分别提前短则几十秒,长达数十小时[9]的风险应对时间,使得现场有足够的时间应对崩塌灾害。
在过去的几十年时间里,在对脆性破坏灾害的早期预警研究中,研究人员更关注的是加速破坏的前兆识别,因此一直无法实现崩塌等具有脆性破坏特征灾害的早期预警。作为一种脆性破坏,崩塌一旦发生加速破坏,则标志着崩塌的发生,很快会产生破坏。即使加速破坏前兆被及时感知,但经历一定的触发和反应时间,破坏也已然发生。因此,基于加速破坏前兆识别的监测方法(如采用速度倒数模型等)只能预示崩塌的发生或进行反演,难以实现早期预警。
为了及时提醒公众在灾难性的崩塌事件之前寻求应对与庇护,实现岩块体崩塌等脆性破坏灾害的早期预警,不仅需要进行更多高精度的应力应变监测预警研究,还需要找出一种更早被触发的预警方法。实际上,崩塌在破坏前通常伴随裂隙的扩展、小变形或是小颗粒岩石的掉落等,因此基于这些分离破坏前兆识别的早期预警方法,可以比传统方法更早被触发,并提供更快速的警告。实验中,这种监测预警思路有效利用了“分离→加速过渡期”这一黄金时间段,提前67 s实现了预警的触发和警告,为高危地区应对崩塌灾害的预警预防提供了新的思路。由于相关实验中“分离→加速过渡期”时间长短不同,基于分离破坏前兆的早期预警,可分别提前短则25 s,长达300 s的预警时效,从而更好满足人们在崩塌灾害前实现疏散的目的。因此基于分离破坏前兆识别的岩块体崩塌灾害预警思路,可为工程现场提供一种相对可行的针对岩体脆性破坏灾害的早期预警方法。
近年来,我国先后经历了多场7级以上强震,震后大量边坡岩块体将长期存在崩落的风险[20],针对这些潜在危险岩体,引入多种新型测量技术和监测指标,在分离阶段或是分离→加速过渡阶段实现其破坏前兆识别,可实现基于安全稳定性分析和破坏前兆识别分析的动态监测预警。目前振动监测技术的更新和发展,已可实现远程、大区域范围的振动特征遥感监测[21]。因此,通过连续监测其固有振动频率指标等多个振动特征指标数据过程线,可实现对分离破坏前兆的识别预警,从而充分利用“分离→加速过渡期”这一早期预警“黄金期”,有效减少岩块体崩塌等脆性破坏造成的人员伤亡和财产损失[22]。下一步研究方向是对某高陡边坡的危岩块体进行现场原位实验,通过远距离振动监测实现基于分离破坏前兆识别的早期预警识别,从而实现崩塌破坏早期预警的工程应用。
(1)通过固有振动频率等振动特征参数实现对岩块体分离阶段破坏前兆的识别,即通过建立黏结强度与固有振动频率关系模型,从安全分析和损伤识别的双重角度实现分离破坏前兆识别,是一种实现岩块体崩塌破坏早期预警的有效方法。
(2)“分离→加速过渡期”是崩塌等脆性破坏早期预警的黄金时间。相对于传统监测预警思路,基于分离破坏前兆识别的预警方法可有效利用早期预警黄金期,大大增加了崩塌灾害发生前人员撤离与风险防范的应对时间。实验中,基于分离破坏前兆识别的早期预警,有效利用了60 s的早期预警黄金期,从而提前65 s实现了岩块体崩塌破坏的早期预警。因此针对岩体崩塌等脆性破坏灾害的特点,可形成一套基于分离破坏前兆识别的早期监测预警方法。该方法将改变目前岩块体崩塌破坏预警被动预防的态势,并为矿山等高陡边坡岩块体崩塌等脆性破坏灾害的应急预防提供新的思路。
[1] LOEW S,GSCHWIND S,GISCHIG V,et al.Monitoring and early warning of the 2012 Preonzo catastrophic rockslope failure[J].Landslides,2017,14(1):141-154.
[2] ROYN M J,ABELLN A,JABOYEDOFF M,et al.Spatio-temporal analysis of rockfall pre-failure deformation using terrestrial lidar[J].Landslides,2014,11(4):697-709.
[3] STROM A L,KORUP O.Extremely large rockslides and rock avalanches in the Tien Shan Mountains,Kyrgyzstan[J].Landslides,2006,3(2):125-136.
[4] 杨巨文,白润才,于永江,等.含弱层岩质边坡自振周期反演试验及数值验证[J].煤炭学报,2015,40(S1):69-75.
YANG Juwen,BAI Runcai,YU Yongjiang,et al.Inversion test and numerical verification on natural period of rock slope with weak layers[J].Journal of China Coal Society,2015,40(S1):69-75.
[5] VALENTIN J,CAPRON A,JONGMANS D,et al.The dynamic response of prone-to-fall columns to ambient vibrations:Comparison between measurements and numerical modelling[J].Geophysical Journal International,2016,208(2):1058-1076.
[6] STTELE M,KRAUTBLATTER M,BRÜNDL M,et al.Forecasting rock slope failure:How reliable and effective are warning systems[J].Landslides,2016,13(4):737-750.
[7] 张波,杨学英,李术才,等.含两组叠置X型裂隙类岩石材料单轴拉伸破坏特征[J].煤炭学报,2017,42(8):1987-1993.
ZHANG Bo,YANG Xueying,LI Shucai,et al.Uniaxial tensile failure properties of rock-like specimens with two overlapped X-type flaws[J].Journal of China Coal Society,2017,42(8):1987-1993.
[8] ZUBELEWICZ A.Precursors of dynamic excitations and rupture in rocks[J].Rock Mechanics and Rock Engineering,2017,50(6):1667-1672.
[9] ZHANG M,MCSAVENEY M,SHAO H,et al.The 2009 Jiweishan rock avalanche,Wulong,China:Precursor conditions and factors leading to failure[J].Engineering Geology,2018,233:225-230.
[10] MA G C,SAWADA K,YASHIMA A,et al.Experimental study of the applicability of the remotely positioned Laser Doppler Vibrometer to rock-block stability assessment[J].Rock Mechanics and Rock Engineering,2015,48(2):787-802.
[11] 张波,李术才,杨学英,等.含交叉多裂隙类岩石材料单轴压缩力学性能研究[J].岩石力学与工程学报,2015,34(9):1777-1785.
ZHANG Bo,LI Shucai,YANG Xueying,et al.Mechanical property of rock-like material with intersecting multi-flaws under uniaxial compression[J].Chinese Journal of Rock Mechanics and Engineering,2015,34(9):1777-1785.
[12] 杜岩.基于固有振动频率的危岩块体稳定评价模型研究[D].北京:北京科技大学,2016.
DU Yan.Study on the model of rock block stability evaluation based on natural vibration frequency[D].Beijing:University of Science and Technology Beijing,2016.
[13] 王爱文,潘一山,赵宝友,等.吸能防冲锚杆索-围岩耦合振动特征与防冲机理[J].煤炭学报,2016,41(11):2734-2742.
WANG Aiwen,PAN Yishan,ZHAO Baoyou.Coupling vibration characteristics of rock mass and energy-absorption bolt and its anti-impact mechanism[J].Journal of China Coal Society,2016,41(11):2734-2742.
[14] 杜岩,谢谟文,蒋宇静,等.应用激光多普勒测振仪的岩块体累计损伤评价试验研究[J].工程科学学报,2017,39(1):141-146.
DU Yan,XIE Mowen,JIANG Yujing,et al.Experimental study on cumulative damage assessment of rock-block using a Laser Doppler Vibrometer[J].Chinese Journal of Engineering,2017,39(1):141-146.
[15] UEHAN F,MINOURA S.Development of an aerial survey system and numerical analysis modeling software for unstable rock blocks[J].Quarterly Report of RTRI,2015,56(3):212-218.
[16] DU Y,XIE M W,JIANG Y J,et al.Experimental rock stability assessment using the frozen-thawing test[J].Rock Mechanics and Rock Engineering,2017,50(4):1049-1053.
[17] 杜岩,谢谟文,蒋宇静,等.基于固有振动频率的危岩安全监测试验研究[J].岩土力学,2016,37(10):3035-3040.
DU Yan,XIE Mowen,JIANG Yujing,et al.Safety monitoring experiment of unstable rock based on natural vibration frequency[J].Rock and Soil Mechanics,2016,37(10):3035-3040.
[18] 杜岩,谢谟文,蒋宇静,等.基于自振频率的监测预警指标确定方法[J].岩土力学,2015,36(8):2284-2290.
DU Yan,XIE Mowen,JIANG Yujing,et al.Methods of determining early warning indices based on natural frequency monitoring[J].Rock and Soil Mechanics,2015,36(8):2284-2290.
[19] TANAKA H,FUJISAWA K,ASAI K.Identifying unstable rock blocks by measuring micro-tremors and vibration on cliffs[J].Advances in Geosciences,2008,14:165-171.
[20] QIU J.Listening for landslides[J].Nature,2016,532(7600):428-431.
[21] DOU Linming,MU Zonglong,LI Zhenlei,et al.Research progress of monitoring,forecasting,and prevention of rockburst in underground coal mining in China[J].International Journal of Coal Science & Technology,2014,1(3):278-288.
[22] 姜福兴,杨光宇,魏全德,等.煤矿复合动力灾害危险性实时预警平台研究与展望[J].煤炭学报,2018,43(2):333-339.
JIANG Fuxing,YANG Guangyu,WEI Quande,et al.Study and prospect on coal mine composite dynamic disaster real-time prewarning platform[J].Journal of China Coal Society,2018,43(2):333-339.