利用集成式OFDR-FBG传感系统进行多参数边坡失稳监测
《Optical Fiber Technology》:Multi-parameter slope failure monitoring using an integrated OFDR-FBG sensing system
【字体:
大
中
小
】
时间:2026年08月30日
来源:Optical Fiber Technology 2.7
编辑推荐:
摘要
自然过程和工程干扰都容易引发边坡失稳,威胁基础设施和公共安全。持续监测边坡内部的响应对于评估稳定性及早期预警至关重要。本研究开发了一种结合了光学频域反射ometry(OFDR)和光纤布拉格光栅(FBG)的多参数监测系统,并将其应用于受荷载-挖掘和降雨-荷载条件下的物理边
摘要
自然过程和工程干扰都容易引发边坡失稳,威胁基础设施和公共安全。持续监测边坡内部的响应对于评估稳定性及早期预警至关重要。本研究开发了一种结合了光学频域反射ometry(OFDR)和光纤布拉格光栅(FBG)的多参数监测系统,并将其应用于受荷载-挖掘和降雨-荷载条件下的物理边坡模型。通过连续采集应变、温度和含水量数据,研究了不同干扰下边坡的响应特征。在荷载-挖掘试验中,应变表现出阶梯式累积变化,第三和第四阶段挖掘被确定为关键过渡点,对应的平均应变增量分别为52.7%和47.3%。深层土壤主导了应变的重分布,经过七次挖掘后,最大应变增量达到了242.4%。在6.48千帕的二次荷载下,浅层应变减少了72.9%,而深层应变急剧增加,引发了整体边坡失稳。在降雨-荷载试验中,初期渗透过程中应变逐渐增加;达到完全饱和后,深层监测点H2的应变达到了266.0微米(με)。在随后1.08千帕的附加荷载下,H2的应变急剧上升至1814.2微米(με),伴随着明显的拉伸-压缩变化,峰值压缩应变达到-50.2微米(με)。研究结果表明,温度梯度演变、关键位置的突然应变变化以及拉伸-压缩转变是边坡失稳的有效前兆。所提出的系统为多参数边坡监测和前兆识别提供了实用的技术手段。
1. 引言
滑坡是全球范围内最普遍且破坏性最强的地质灾害之一。在气候变化和人为工程活动的共同影响下,滑坡事件的频率和严重程度显著增加,对地质安全构成了紧迫的挑战[1]。降雨渗透、人工挖掘和工程荷载是导致边坡失稳的主要诱因,每种因素都会引发不同的破坏模式:挖掘引起的卸载通常与后退滑动相关[2]、[3];降雨渗透主要引发前进性滑坡[4]、[5];多种因素的叠加则可能导致复合型破坏机制[6]。目前的监测方法主要集中在表面变形上,忽略了边坡内部渐进性损伤的发展。实际上,边坡失稳是一个伴随着应力、应变和地质材料环境参数动态变化的渐进性破坏过程[7]。单纯依靠表面观测和离散点监测难以捕捉到边坡失稳的早期前兆。因此,对边坡内部进行高精度、多参数的连续监测对于阐明多源干扰下的失稳机制和完善滑坡预警系统具有重要意义。
经过数十年的发展,边坡工程监测技术已经演变成一个多样化的技术体系。GNSS、InSAR、无人机遥感、倾角仪和TDR都被广泛应用于滑坡变形监测。基于空间的方法如GNSS和InSAR适用于大规模表面变形检测,但在捕捉细微的内部变形方面存在局限,并且容易受到外部环境干扰[8]、[9]。无人机遥感能够快速进行地表地形测绘和宏观裂缝识别,但仅限于非接触式表面检测,无法反映边坡内部的力学演变[10]、[11]。基于地面的边坡监测机器人具备操作灵活性,但也同样受限于表面数据采集,无法评估内部变形和深层地下条件[12]。倾角仪和TDR电缆可以实现深层监测,但受到空间离散测量点和数据不连续性的限制[13]、[14]。总之,现有监测技术普遍存在监测维度狭窄和空间连续性不足的问题,没有一种技术能够同时获取边坡体内的多个物理参数(包括内部应变、温度和孔隙水含量)。这些缺陷严重妨碍了对微观损伤演变的准确描述,限制了对边坡失稳机制的理解[15]。
光纤传感技术因其高精度、强稳定性和连续分布式数据采集能力,已成为地质工程精细监测的领先技术。在现有方法中,OFDR具有高空间分辨率,能够准确识别地质材料内部的损伤区和剪切面,特别适用于滑坡监测[16]、[17]、[18]。Han等人[19]基于OFDR技术优化了传感器配置,实现了对具有多个滑动面的边坡的高精度位移监测;Luca等人[20]利用OFDR捕捉了降雨引发的滑坡的全过程变形特征。相比之下,FBG技术能够实现多物理参数的高精度点式监测,并已广泛应用于边坡环境条件和力学行为的研究中。Liu等人[21]将FBG传感技术与XGBoost算法结合,实现了对土层厚度的准确估计,预测精度达到93%-97%。Sa’ad等人[22]开发了一种基于FBG的倾角仪探头,用于监测边坡中的微弱深层变形。此外,越来越多的研究致力于集成多种技术和多场耦合监测方法,以提高监测精度和适用性。Zhu等人[23]建立了FBG-MEMS监测系统,用于研究滑坡的多因素演化机制;Pan等人[24]结合摇摆台试验和光纤传感技术,阐明了多层岩坡在多相地震荷载下的灾难性破坏过程。特别是OFDR和FBG技术的结合,在高级变形监测中引起了广泛关注。Yan等人[25]整合了FBG、OFDR和应变计,开发了智能监测模型,实现了对土壤沉降应变和上覆土层条件的高精度预测;Da等人[26]利用基于点的FBG传感和分布式OFDR监测的互补优势,建立了深部土壤变形的智能监测系统;Zou等人[27]开发了结合了深度学习算法的光纤倾角仪,显著提高了滑坡位移的预测精度。这些研究表明,整合分布式和基于点的光纤传感技术是全面描述边坡变形和多物理过程演化的趋势。
尽管光纤传感技术在边坡监测方面取得了显著进展,但目前研究仍存在若干局限性。大多数现有研究仅关注单参数监测,尚未建立健壮的多参数同步监测框架[28]、[29]、[30]。此外,边坡内部含水量的准确监测以及纤维-土壤界面耦合加固技术仍有改进空间。实验室研究通常在单一干扰条件下进行,而在多场耦合场景下的系统性研究仍不足,阻碍了光纤技术在边坡工程中的广泛应用。为解决这些局限,本研究开发了一种OFDR-FBG结合监测系统,用于边坡内部的分布式多参数测量,并在不同干扰条件下进行了系列室内物理模型实验,以研究边坡变形和失稳行为。本研究的主要贡献有三个方面:(1)建立了OFDR-FBG分布式监测系统,能够连续高精度地测量地质材料内部的应变、温度和含水量;(2)进行了荷载-挖掘和降雨-荷载模型实验,明确了不同干扰对边坡变形的影响机制,并验证了该系统表征边坡体多物理场演变的能力;(3)基于荷载-挖掘试验建立了多参数定量预警模型,并通过降雨-荷载试验的多维融合方法定量分析了土壤的水平和垂直应变响应。
2. OFDR-FBG测量系统及校准
为了准确描述多干扰条件下砂质边坡内部变形、温度和含水量的演变,本研究开发了一种OFDR-FBG多参数组合监测系统。鉴于砂质土壤松散且易滑动的特点,引入了丙烯酸圆盘来结构化修改传感电缆,增强了纤维-土壤界面的耦合效果。通过实验室校准实验建立了含水量反演模型,以确保测量精度和稳定性。系统架构、传感机制、电缆优化方案和传感器校准程序将在后续章节中详细描述。
2.1 OFDR-FBG联合测量系统的原理
本研究开发的OFDR-FBG组合监测系统包括三个光纤传感单元:一个OFDR分布式传感电缆、一个FBG温度传感电缆和一个封装在刚玉管中的FBG土壤含水量传感器。这些单元共同实现了对边坡内部应变、温度和含水量的同时连续测量。相关仪器包括OSI-C OFDR解调器(JUNNO)和NZS-FBG-A01 FBG解调器(苏州南泽传感有限公司),它们协同工作(表1)。该系统结合了分布式传感和基于点的高精度测量的互补优势,每个单元都能实现相互校准和跨参数误差补偿。每个传感单元的核心工作原理如下所述。
表1. 解调器的核心参数
| FBG | OFDR |
|---------------|---------------|
| 监测精度:±2με/1℃ | 监测精度:±0.1℃/1.0με |
| 采样频率:≥1 Hz | 采样频率:0–20 Hz |
| 温度监测范围:-20至80℃ | 温度监测范围:-200至1200℃ |
| 应变监测范围:2–10000 με | 应变监测范围:±15000 με |
| 最大空间分辨率:1米 | 最大空间分辨率:1毫米 |
| 最小可测量应变:2 με | 最小可测量应变:0–100米 |
(1)OFDR:分布式应变和温度传感
OFDR基于光纤中瑞利散射的光谱位移特性,实现对边坡土壤和岩体中应变和温度的同步分布式监测。在监测过程中,温度引起的误差会引入应变测量中,可通过温度监测数据进行补偿,从而获得实际机械应变。
① 分布式应变传感
当光纤因边坡变形而发生轴向变形时,瑞利散射光谱会相应发生位移。该位移与光纤的轴向应变呈线性相关。通过使用OFDR interrogator分析整个传感光纤的散射信号,可以获得高分辨率的分布式应变分布图,从而实现边坡内部应变的连续监测,并准确识别应变位置和潜在滑动区域。实验中使用了外径为2.0毫米的高应变传输紧密缓冲传感电缆(表2a)。电缆会根据周围地质材料的变形发生光谱位移,位移幅度与轴向应变成正比,表达式为:
Δλ?? = ??ε·??
其中Δλ??是瑞利散射光谱位移;????是光纤的应变敏感系数;??是测量点的轴向应变。
表2. 光纤传感测量单元
| a:高应变传输紧密缓冲分布式应变传感光纤电缆 | b:塑料涂层加固分布式温度传感光纤电缆 |
| 外径:2.0毫米 | 外径:5.0毫米 |
| 应变测量范围:20,000 με | 温度监测范围:-20至80℃ |
| 平均衰减:≤0.3 dB/km(1550纳米) | 平均衰减:≤0.3 dB/km(1550纳米) |
| 最小弯曲半径:5.0厘米 | 最小弯曲半径:静态10D;动态20D(D=电缆直径) |
| 最大拉应力:>50牛顿 | 最大拉应力:>550牛顿 |
| 瑞利应变敏感系数:6.6 με/GHz | 瑞利温度敏感系数:0.66°C/GHz |
| 外径:6毫米 | 外径:5.0毫米 |
| 加热丝电阻:30欧姆 | 加热丝电阻:30欧姆 |
| FBG中心波长:1541/1545/1549纳米 | FBG中心波长:1541/1545/1549纳米 |
| 光栅区域长度:10毫米 | 光栅区域长度:10毫米 |
| 反射率:≥90% | 反射率:≥90% |
| 3 dB带宽:≤0.3纳米 | 3 dB带宽:≤0.3纳米 |
| 涂层材料:聚酰亚胺 | 涂层材料:聚酰亚胺 |
② 分布式温度传感
温度场监测基于光纤中瑞利散射光谱的温度敏感特性,实现分布式温度传感。当环境温度变化时,瑞利散射光谱会发生相应的位移,这与温度变化呈线性关系。通过使用OFDR interrogator获取整个传感光纤的波长位移信息,可以实现边坡内温度的实时监测,从而表征土壤温度演变并识别热影响区。实验中使用了外径为5毫米的塑料密封加固分布式温度传感电缆(表2b)。FBG温度传感电缆部署在无外部机械干扰的监测区域内,记录的波长位移仅反映环境温度变化。光栅中心波长位移与温度变化的关系表达式为:
Δλ?? = ????·Δ??
其中Δλ??是FBG中心波长的温度诱导位移;????是FBG的温度敏感系数;Δ??是温度变化。
在边坡变形监测过程中,瑞利散射光谱位移同时受到机械应变和环境温度变化的影响,导致测量应变数据中的温度误差,从而偏离实际应变值。因此,应该使用OFDR同时获取的温度信息对测量的应变数据进行温度补偿,从而消除温度引起的效应,并获得土壤质量的实际机械应变。(2) FBG:土壤含水量估计主动加热的光纤布拉格光栅(AHFO-FBG)技术利用FBG的高精度温度传感能力进行监测。FBG的中心波长随温度变化而线性移动,从而能够准确测量传感位置的温度。基于这一原理,该技术整合了一种主动热激励策略,其中传感器的内置加热单元产生一个恒定的热脉冲。通过利用土壤热导率与含水量之间的正相关性,可以根据传感器温度升高的变化定量估计斜坡内的土壤含水量,实现土壤含水量的空间分布式监测。FBG-刚玉管传感器包括三个组成部分:一个四孔刚玉管、一根电阻丝和一个FBG元件(表2c)。FBG以无应变配置安装,以消除机械变形对波长测量的影响,而U形电阻丝在通电时能够实现主动内部加热[31],[32]。通电后的传感器可以近似为一个无限长的圆柱形热源[33],[34],其中热量通过周围土壤的传导决定了传感器的温度升高。加热时间??时的温度增量Δ???表示为:(3)Δ???=???(??)???0=??4???????[l?n???+4?????????+l?n?4?????2???],其中???(??)是加热时间??时的传感器温度(°C);??0是初始环境温度(°C);??是单位长度的加热功率(W/m);??是单位长度的热阻(K·W?1·m?1);??是土壤的热导率(W/(m·K));??是土壤的热扩散系数(m2/s);??是刚玉管的外径(m);??=1.781?e?x?p?(??),其中??=0.5772;??是欧拉常数。为了实现含水量的反演,引入了温度特征值Δ?????[35]。一旦FBG测量到的温度趋于稳定,就选择一个特征时间间隔[??1,??2],在此期间计算平均值并减去初始温度:(4)Δ?????=1?????+??∑?????????0,其中????是在特征时间间隔[??1,??2]内FBG测量的温度,??是该间隔内的测量次数,??0是初始温度。这个特征值Δ?????主要由土壤的热导率??决定,??和体积含水量??之间存在明确的功能关系。通过预先校准,建立一个经验模型??=???(Δ?????),从而可以从FBG传感器读数中实时反演土壤含水量。2.2. 传感器布局和应变传递增强在斜坡应变监测中,传统的传感电缆通常直接嵌入斜坡质量中。在多因素耦合干扰条件下,电缆与周围沙质土壤之间的界面脱粘和相对滑动很容易发生,这阻止了原位土壤应变到传感电缆的完全和同步传递。这会导致应变幅度减弱、动态响应延迟和信号失真[36]。张等人[37]对嵌入在低围压松散沉积沙中的光缆进行了比较性拔出试验,以研究传统光缆和锚固光缆的界面载荷传递行为和应变传递特性。他们的结果表明,在相同的拔出位移条件下,锚固光缆显示出比未锚固光缆更高的界面拔出阻力。光缆-土壤耦合变形系数达到了0.687,比未锚固光缆提高了97.41%(图1)。这些结果表明,外部锚固结构可以增强光缆与周围土壤之间的变形兼容性。此外,量化了锚固组件的有效影响范围,应变均匀化效果主要发生在锚固组件两侧大约0.05–0.075米的范围内[38]。在静态嵌入条件下,锚固结构通过机械互锁和端部承载效应传递变形,而其对周围土壤结构的影响仍然有限。因此,本研究中使用的丙烯酸圆盘结构是根据之前的界面耦合研究设计的,以改善应变传递的同时最小化对土壤质量的干扰。下载:下载高分辨率图像(78KB)下载:下载全尺寸图像图1. 不同光纤电缆的拔出力-位移曲线。为了减轻界面滑动引起的监测误差,本研究通过引入小型丙烯酸圆盘作为外部锚固元件修改了光缆[39]。这些锚固圆盘具有小的径向凸起高度,间距为20厘米。这种配置确保了有效锚固区域的充分覆盖,同时防止了相邻圆盘之间重叠锚固效应引起的应变失真。同时,紧凑的结构最小化了对周围土壤的干扰。引入的圆盘增加了光缆与沙子之间的接触面积,增强了界面摩擦阻力,并有效地抑制了土壤剪切变形期间光缆-土壤界面的相对滑动。因此,修改后的光缆能够与周围土壤实现变形兼容,显著提高了界面耦合性能,补偿了应变传递损失,并准确捕捉了斜坡内的内部应变变化。下载:下载高分辨率图像(104KB)下载:下载全尺寸图像图2. 传感电缆的修改。2.3. 水分传感器的校准为了表征刚玉管加热光纤传感单元对沙子含水量变化的响应,并建立FBG温度特征值与重量含水量之间的定量关系,按照孙等人的方法[40]进行了室内静态含水量梯度校准实验。校准测试在受控室内条件下进行(约25°C),实验期间的温度波动保持在±2°C以内,以最小化校准过程中的热干扰。使用相同类型的AHFO-FBG刚玉管水分传感器的先前校准研究表明,在-20至40°C的温度范围内具有良好的温度适应性。在不同环境温度下,当土壤含水量≤8.8%时,最大含水量测量误差小于全量程的1.5%。对于含水量超过8.8%的情况,在正温度条件下的最大误差仅为全量程的1.34%[41]。这些结果表明,在研究温度范围内,温度引起的偏差对含水量估计的影响有限。因此,在本实验的受控温度条件下,温度引起的测量不确定性可以忽略不计。校准中使用的沙子与后续斜坡模型测试中使用的沙子保持一致,消除了土壤物理性质差异可能带来的干扰,确保了校准参数与实际监测条件之间的兼容性。加热模块在6 V和0.5 A下运行,每次测试的总加热时间为20分钟,提供恒定的加热功率15 W/m。实时监测数据显示,加热大约15分钟后温度信号达到稳定状态,此时的读数被指定为有效的校准数据。通过烤箱干燥方法准备了含水量分别为1%、4%、7%、10%、13%、16%、19%和22%的沙子样品,涵盖了测试沙子的典型干湿变化范围。每个传感单元都嵌入在规定含水量的样品中,并使其平衡,直到水分均匀分布,然后激活加热并记录稳态数据,完成所有含水量梯度的校准采集。本校准中使用的FBG-刚玉管传感单元总长度为25厘米,三个监测点分别位于距离管端10厘米、15厘米和20厘米处。在稳态采集条件下,记录了每个监测点的温度响应。采用形式为??=?????????的指数函数对温度特征值和重量含水量进行非线性回归拟合,得到每个监测点的单独校准方程。得到的校准曲线如图3所示。拟合方程分别为:监测点1,y=1.8968e-0.3490x;监测点2,y=1.3270e-0.2641x;监测点3,y=0.9323e-0.2116x。决定系数R2和均方根误差(RMSE)被用作评估拟合精度和模型可靠性的指标。R2量化了校准曲线与实验数据之间的拟合优度,定义为:(5)??2=1?∑????=1(??????????)2∑????=1(????????)2下载:下载高分辨率图像(295KB)下载:下载全尺寸图像图3. 刚玉管的校准曲线:(a) 10厘米处的测量点1;(b) 15厘米处的测量点2;(c) 20厘米处的测量点3。RMSE量化了拟合值和测量值之间的偏差,定义为:(6)RMSE=√1???∑????=1(??????????)2,其中??是样本数量;????是测量得到的含水量;?????是模型拟合的含水量;???是测量得到的含水量平均值。拟合结果显示,监测点1、2和3的R2值分别为0.976、0.979和0.969,均超过了0.95,表明校准方程可靠地捕捉到了沙子含水量与温度特征值之间的非线性衰减关系。相应的RMSE值分别为0.0124、0.0114和0.0139,反映了较低的拟合残差和最小的数据分散。这些结果证实了校准数据集的低散布性、良好的拟合性能和可控的预测误差。建立的反演方程表现出良好的稳定性和通用性,为测试斜坡内的含水量反演提供了可靠的定量基础,并支持了降雨渗透期间水分迁移的后续分析。3. 斜坡模型测试的实验设计遵循相似性原则,使用均匀的黄色沙子构建了一个缩比模型斜坡,并使用集成的OFDR-FBG联合监测系统进行了室内物理模型实验。设计加载-挖掘测试,以研究在顶部超载加载和底部挖掘的共同干扰下的斜坡应变响应和裂缝扩展特性。降雨加载测试还引入了人工降雨渗透,以分析降雨条件下滑坡的多物理场演变和由叠加的水力和机械加载引起的渐进性不稳定过程。3.1. 斜坡模型准备缩比模型旨在代表三峡水库区域内受人为干扰和降雨渗透共同影响的浅层松散沙堆积斜坡。该模型遵循重力相似性标准,几何相似比为????=40,满足????=1、????=1、????=????和????=√????。比例????=40表示原型的所有几何尺寸是模型的40倍。通过原型缩放获得了斜坡几何形状、挖掘尺寸和模型容器尺寸。????=1确保了相同的重力条件和相同的重力驱动破坏机制,而????=1表示原型和模型之间的土壤单位重量相同。根据自重应力关系,得到????=40,从而实现了原型超载加载和模型加载之间的转换。时间相似比????=√????用于缩放降雨渗透和土壤变形过程。转换后的模型填充高度和容器尺寸分别为0.35米和1.0米×0.6米×0.5米。原型斜坡展示了由人为干扰和降雨共同引起的两种代表性破坏情况。设计了两个模型测试来重现这些现场条件。加载-挖掘测试模拟了由于库区道路扩展和重新安置建设在斜坡底部引起的分层挖掘卸载,以及住宅结构和斜坡顶部废弃物堆积造成的持续超载加载。降雨加载测试重现了涉及重复短持续时间降雨渗透和洪水季节期间浅层沙质土壤软化的共同干扰情况,随后在降雨引起的饱和后进行了额外的施工超载加载。模型几何形状和加载条件是根据相似性关系确定的,而降雨持续时间和间隔被设计为在受控实验室条件下再现累积渗透过程。此外,使用来自苏州的均匀黄色沙子构建了模型斜坡,其初始重量含水量为7%-8%,具有均匀的物理性质和稳定的级配,从而真实再现了自然浅层松散沙坡的特性,同时最小化了土壤成分变化带来的干扰。同时在斜坡底部预留了5厘米的排水通道,以模拟自然排水条件并防止水积聚干扰测试结果。模型通过分层手动压实建造,严格控制厚度以确保整个过程的均匀压实。在填充过程中,使用PVC管道定位和铺设传感电缆,以保持直线性和准确的位置,防止可能影响监测精度的弯曲变形。完成建造后,模型被允许在自重作用下稳定至少8小时,以消除填充引起的空洞并稳定初始的坡度结构。这一程序确保了所有测试组具有一致的初始条件,为后续的多条件监测实验提供了可靠的模型基础。3.2. 传感器网络配置在坡体内建立了一个三维光纤监测网络,以连续获取内部应变、温度和含水量数据。传感器布局如图4所示。水平应变测量线标记为H1-H8,垂直应变测量线标记为V1-V4,温度测量线标记为T1-T2,含水量监测点标记为M1-M3。所有电缆都采用U形配置铺设,在每个弯道上预留了0.3米的松弛段,以防止弯曲引起的应力集中并保持测量精度。水平电缆布置在两个深度:一层位于15厘米高度(H1-H4),另一层位于25厘米高度(H5-H8),以便比较不同深度的变形特性。垂直电缆位于坡顶中央,并在横向均匀分布,以监测纵向剖面的变形。在坡顶内侧中部部署了两根温度电缆,以提供实时温度数据用于应变温度补偿。FBG-刚玉管传感器上有三个监测点,分布在不同位置,用于追踪土壤水分变化并评估含水量对坡度变形的影响。下载:下载高分辨率图像(300KB)下载:下载全尺寸图像图4. 测试布局示意图。此外,朱等人[23]对三峡水库区域库岸滑坡的长期现场监测表明,短时间强降雨是加速变形的关键触发因素。区域滑坡统计数据显示,洪水季节引发滑坡的降雨事件的中位小时降雨强度在22到28毫米/小时之间,这代表了水库区域的典型降雨情况。为了再现一个代表性的降雨渗透条件,降雨加载测试中使用的降雨模拟器的流量设置为5升/分钟。采用等效累积渗透体积方法进行原型-模型缩放,相当于原型等效降雨强度约为25毫米/小时。这确保了每个模型降雨事件的累积渗透体积与水库区域的典型降雨事件相当,从而能够描述在土壤饱和后超载加载引起的全局不稳定之前的多参数响应。需要注意的是,模型中的降雨边界条件是基于累积渗透相似性确定的,而不是直接匹配降雨强度,当前的测试旨在再现一个代表性的降雨诱导渗透过程,而不是所有可能的降雨情况。3.3. 加载-挖掘测试程序加载-挖掘测试在坡顶施加了静重,分为四个阶段:分阶段加载、逐步挖掘、卸载并进行二次挖掘、以及二次加载失败。连续监测内部应变和温度,同时记录表面裂纹的演变和宏观变形行为。在坡顶使用了一个刚性加载板(0.6米×0.3米,面积A=0.18平方米),所施加的静重通过公式q=M×g/A转换为近似均匀的附加应力,其中M是施加的质量,g是重力加速度,A是加载面积。测试程序如图5所示。(1) 分阶段加载阶段:在坡顶以每阶段0.54千帕的增量施加静态附加应力,阶段之间间隔5分钟。在变形稳定后记录测量数据。逐步将载荷增加到10.89千帕,引起明显的内部分扰和土壤应变响应。(2) 逐步挖掘阶段:将坡顶的附加应力保持在10.89千帕30分钟,以便应力重新分布。然后在坡脚进行小规模挖掘。根据几何相似比CL=40,将原型挖掘尺寸(0.8米×0.8米×1.2米)转换为模型挖掘尺寸2厘米×2厘米×3厘米。每次挖掘后记录应变变化和表面变形。(3) 卸载和二次挖掘阶段:经过七次挖掘后,出现微小裂纹和局部塌陷,表明坡度稳定性降低。移除坡顶的附加应力并使坡度稳定60分钟。随后进行第八次挖掘,进一步削弱坡脚支撑,以捕捉逐步破坏的演变。(4) 二次加载失败阶段:在第八次挖掘后,再次在坡顶施加附加应力,分别为3.81千帕、5.44千帕和6.53千帕。连续监测内部应变和裂纹扩展。在6.53千帕时发生整体滑动失败,终止测试。通过逐步增加加载和挖掘扰动,该测试捕捉了坡度破坏从局部变形和裂纹启动到全局不稳定的演变过程,为评估逐步坡度不稳定性期间的多参数传感响应提供了实验证据。下载:下载高分辨率图像(823KB)下载:下载全尺寸图像图5. 在加载和挖掘下的坡度变形过程。3.4. 降雨-加载测试降雨-加载测试在涉及短时间强降雨渗透和随后在坡顶施加低水平附加载荷的耦合扰动下进行。该测试旨在研究沙质坡度在连续降雨渗透循环中的变形劣化和破坏演变。在整个测试过程中 continuous monitoring soil temperature and water content,同时记录了水文响应,包括降雨渗透、地表径流和底部排水。降雨强度计算公式为I=Q/Aτ,其中Q是供应的降雨量,A是有效降雨面积,τ是降雨持续时间。降雨模拟器的流量设置为5升/分钟,有效降雨面积为0.6平方米。根据这一关系,模型规模的降雨强度约为500毫米/小时,每次降雨事件的累积降雨量为16.67毫米。考虑到累积渗透体积的相似性,这种降雨条件相当于原型等效降雨强度约为25毫米/小时。对于每次降雨事件,大约有4.2升水分保留在土壤孔隙中,而剩余的5.8升水分参与地表径流和底部排水,包括3.48升地表径流和2.32升底部排水。详细的测试程序如图6所示。(1) 循环降雨阶段:在初步测量后,以1小时的间隔对坡度模型施加连续的短时间强降雨循环,以模拟累积降雨引起的扰动。(2) 变形监测阶段:为了评估降雨前后的变形响应,在每次降雨事件后的2分钟和25分钟分别收集应变和温度数据。这些测量数据刻画了降雨期间的瞬态变形和渗流调整后的稳定响应。(3) 含水量监测阶段:降雨后休息30分钟,激活加热程序。每个加热周期持续20分钟,使用15分钟后的稳定响应来估算含水量。每个周期后引入40分钟的冷却期,以最小化残余热效应并提高测量精度。(4) 降雨后加载失败阶段:经过七次降雨循环后,土壤含水量显著增加,伴随结构松弛和局部滑动,导致坡度稳定性降低。然后在坡顶施加恒定的附加载荷1.09千帕以触发进一步破坏。连续收集监测数据,以表征饱和土壤在外部加载下的破坏行为。间歇性降雨与随后的加载共同再现了耦合的渗流-加载条件,并捕捉了沙质坡度的变形演变,为研究降雨-载荷引起的破坏机制提供了实验证据。下载:下载高分辨率图像(804KB)下载:下载全尺寸图像图6. 在降雨下的坡度变形过程。3.5. 数据处理(1) 温度补偿为了去除由光纤热漂移和土壤热变形引起的温度成分,应用温度补偿以获得坡度的机械应变。基于校准的OFDR参数,计算了裸光纤的固有温度敏感系数为Kf=χγ/χT=10σγ/°C。考虑到沙子的热膨胀系数(λs=18.5σγ/°C),确定了土壤-电缆耦合的温度-应变系数为KtoToAl=28.5σγ/°C。从两条基于OFDR的分布式温度传感线重建了空间温度梯度场,并通过空间插值获得了每个应变测量点的温度变化。补偿后的应变计算公式为:(7)?x ∈ X, ?y ∈ Y, εrxAl(x) = εrwAl(x) ? 28.5ΔT(x),其中εrwAl(x)是原始OFDR测量的应变,εrxAl(x)是经过温度补偿的机械应变。(2) 相关性指数为了表征应变数据的分布并量化变量间的相关性,引入了几种统计指数进行实验数据分析。变异系数(CV)用于量化沿每条测量线的应变值的离散程度,定义为:(8)Cω = σ?x,其中σ是线内所有测量点的应变标准差,?x是该测量线的平均应变。决定系数(R2)用于表征应变与施加载荷之间的线性相关程度,定义为:(9)R2 = 1 ? ∑ni=1(yi ? ?i)2 / (∑ni=1(yi ? ?i)2),其中yi是测量的应变值,?i是线性回归预测的值,?x是测量值的平均值。皮尔逊相关系数(R)用于评估对称测量线之间应变演变趋势的一致性,定义为:(10)R = ∑ni=1(xi ? ?i) × (yi ? ?i) / ∑ni=1(xi ? ?i)2√∑ni=1(xi ? ?i)2,其中xi和yi是两条对称测量线的应变值,?x和?y分别是它们的平均值。考虑到水平监测线(H)和垂直剖面(V)之间测量点数量、安装方向和空间位置的差异,避免了直接的点对点配准。相反,采用共同的实验阶段作为分析单元。以初始状态为参考,定义了15个事件阶段,包括降雨循环后的瞬时状态和稳定状态以及最终的加载诱导破坏阶段。从H和V的响应中提取了六维特征,包括平均绝对应变增量、RMS增量、标准差、绝对增量P95、四分位距和空间梯度RMS,用于多维比较。RV系数用于量化水平和垂直方向多维响应之间的全局关联,而不需要点对点的对应关系:(11)Rω(X, Y) = tr(X TX笔记Y TX笔记Y),其中X和Y分别表示H和V方向的标准化阶段特征矩阵,tr(·)表示矩阵迹。RV系数的范围从0到1,较高的值表示水平和垂直多维响应之间的相关性更强。其显著性通过排列测试进行评估。此外,引入了一个等权重复合空间变异系数来表征H-V应变场的联合空间异质性:(12)Cωcm = √Cω2H + Cω2W,其中CωH和CωW分别表示H和W方向绝对应变增量的变异系数。较大的Cωcm值表示耦合应变场的空间异质性更强。另外,还计算了局部H-V线组合的多特征RV系数和RMS皮尔逊相关性,并应用了Benjamini–Hochberg程序对多重比较p值进行FDR校正。(3) 应变演变的定量指标为了定量描述在连续工作条件转换期间的应变动态变化,采用了四个指标:平均应变增量、平均回弹比率、阶段应变增长率和应变减少幅度。平均应变增量表征了给定阶段内相对于初始状态的累积应变增长,定义为:(13)δ = εt ? ε0 × 100%,其中ε0是初始平均应变,εt是给定阶段的平均应变。阶段应变增长率表征了相邻工作条件之间的相对应变增量,定义为:(14)ζ = εpEaK ? εunLod × 100%,其中εpEaK是卸载前的峰值平均应变,εunLod是卸载后的稳定平均应变。阶段应变增长率表征了相邻工作条件之间的相对应变增量,定义为:(15)ξ = εi+1 ? εi × 100%,其中εi和εi+1分别是前一个和后一个加载步骤或挖掘步骤后的平均应变。应变减少幅度用于定量描述衰减阶段的应变衰减程度,定义为:(16)ξ = εi ? εi+1 × 100%,其中εi是衰减前的应变,εi+1是衰减后的应变。(4) 多参数耦合预警指标和层次分类方法为了定量描述加载-挖掘过程中坡度不稳定前兆的耦合演变,选择了四个指标:应变强度、拉伸-压缩边界活动、温度异常和水平-垂直响应不一致性。2.70 kPa加载阶段的初始状态被定义为低干扰校准区间,第j个指标的抗干扰标准化方法如下:(17)?????(??)=???????[0,?????(??)?????????]。标准化后的值进一步转换为0到100之间的异常严重性得分:(18)?????(??)=25·????????????[?????(??)?1,0,4],其中?????(??)表示事件阶段t时第j个指标的测量值;????和????分别代表校准窗口内第j个指标的中位数和抗干扰尺度;c?l?i?p?(??,0,4)是一个限制??在[0, 4]区间内的剪辑函数。经过组内加权后,得到了四个子指数:应变强度子指数(????)、拉伸-压缩边界活动子指数(????)、温度异常子指数(????)以及水平-垂直响应不一致性子指数(????)。复合警告得分定义为:(19)???(??)=0.40??????(??)+0.30??????(??)+0.17??????(??)+0.13??????(??),其中???(??)表示事件阶段t的复合警告得分。子指数的权重是根据每个前兆指标在渐进式不稳定过程中的相对敏感性经验性给出的,并通过参数扰动分析进行了进一步检验。根据???(??),斜率状况被划分为五个级别:正常、蓝色警告、黄色警告、橙色警告和红色警告,对应的得分区间分别为0–20、20–40、40–60、60–80和80–100。警告状态根据传入的监测数据依次更新。黄色和橙色警告需要连续两个阶段的确认,当???(??)达到80时发出红色警告。为了评估所提出警告方法的在线适用性,构建了四种类型的在线证据块,包括应变不连续性、拉伸-压缩转换、水平-垂直响应不一致性和温度异常。瞬时得分????使用0.30、0.25和0.25的权重系数计算得出。然后应用指数加权移动平均(EWMA)得到平滑后的警告得分:(20)????=0.60?????+0.40??????1。根据????的25、50和80阈值以及????的20、42和70阈值,在线状态被划分为正常、警告和行动级别。在每个阶段,仅使用当前和之前的监测信息进行状态更新。警告和行动状态需要连续两个阶段的确认,而状态降级需要连续两个较低级别的状态,并且每次更新仅限于一级降低。
加载-挖掘测试系统地揭示了斜坡在耦合力干扰下的应变演变、变形调整模式和破坏路径,确定了核心变形区和关键过渡节点,并建立了斜坡稳定性分析的不稳定性识别指标。为了展示测试过程中的动态应变演变,选择了六个代表性测试状态来构建斜坡的三维应变映射云图(图7)。测量线H1-H4和H5-H8分别构成深部和浅部监测面,从而清晰地展示了不同深度土壤层之间的应变分布差异。以下部分详细分析了每个关键状态下的应变演变特征。
下载:下载高分辨率图像(1MB)
下载:下载全尺寸图像
图7. 加载过程中的横向测量线应变变化(初始状态、加载到10.8 kPa后30分钟、第一次挖掘后60分钟、第七次挖掘后60分钟、重新加载到3.78 kPa后以及发生滑坡时重新加载到6.48 kPa后):
(a) 沿测量线H1-H4的应变变化;
(b) 沿测量线H5-H8的应变变化。
4.1. 分阶段加载过程中的应变演变
在分阶段加载过程中,观察到深部和浅层土壤层之间的明显应变差异,以及一个明确的弹性到弹塑性转变点(表3)。在10.8 kPa的负载下,浅层测量线H5-H8的平均应变达到1393.5 με,是深层线H1-H4的2.12倍(657.4 με)。浅层区域的最大应变超过了2000 με,而深层区域通常保持在1500 με以下,这证实了直接承受顶部加载且约束较弱的浅层土壤构成了主要变形区。各测量线的变异系数范围为0.24到0.47,其中浅层线H6的变异系数最小,深层线H2的变异系数最大,表明浅层土壤的应变传递更为均匀,而深层土壤的应变集中和分散更为明显。载荷-应变曲线(图8)确定5.44 kPa为弹性到弹塑性的临界阈值。在5.44 kPa以下,所有测量线的决定系数R2均超过0.95,证实了主要的线性应变-载荷关系和可逆的弹性变形。在5.44 kPa以上,应变增长率显著加快,伴随着微裂纹的产生和扩展以及不可逆塑性损伤的开始。在10.89 kPa时,所有线的平均应变达到1150.0 με,相对于5.44 kPa的条件增长了123.7%,表明斜坡逐渐向临界不稳定状态过渡。水平应变分布始终呈现出“中心高、边缘低”的模式,中心斜坡区域是主要的应变集中区。所有对称测量线对的皮尔逊相关系数均超过0.85,表明应变演变高度同步,进一步验证了传感器布局的合理性和监测数据的可靠性。
表3. 分阶段加载过程中的应变变化
测量线 平均应变(με) 最大应变(με)(测量点位置) 最小应变(με)(测量点位置) 变异系数(CV)
H1 727.2 282.7 239.6 0.42
H2 635.9 1489.9 163.5 0.47
H3 643.2 105.4 278.7 0.31
H4 623.2 187.6 208.7 0.36
H5 1295.2 2355.7 746.5 0.28
H6 1771.0 2775.2 1014.9 0.24
H7 1379.5 2293.0 553.2 0.30
H8 1128.2 2077.0 666.3 0.29
下载:下载高分辨率图像(92KB)
下载:下载全尺寸图像
图8. 加载条件下的横向测量线应变变化趋势。
4.2. 逐步挖掘过程中的应变重新分布
在每次挖掘的中点对测量线进行了应变分析(图9),有效避免了边界效应并确保了时间序列数据的连续性。在挖掘干扰下,斜坡应变表现出阶梯式累积增长和阶段性突变特征,深层土壤构成了变形调整的核心区。在七个挖掘步骤中,第三次和第四次挖掘成为关键过渡节点。第三次挖掘后,所有测量线的平均应变增量达到了52.7%,深层区域的应变响应明显超过了浅层区域,表明趾部支撑结构初步受损,深层土壤开始变形调整。第四次挖掘后,平均应变增量达到47.3%,促进了斜坡内部裂纹的快速传播和汇合。在整个挖掘过程中,深层和浅层土壤层之间的变形差异明显。经过七次步骤后,深层线H1和H2的应变分别增加了151.5%和242.4%,而线H3和H4在后续挖掘阶段显示出明显的应变下降,这是由于局部剪切破坏所致。这些观察结果表明,深层土壤控制了应变调整过程,而浅层土壤则发生被动变形。挖掘干扰还表现出明显的空间衰减模式,靠近斜坡趾部的线H1和H2记录了较大的应变增量。线H7、H3和H4的突然应变下降标志着从局部剪切破坏到整体斜坡不稳定性的关键转变。
下载:下载高分辨率图像(169KB)
下载:下载全尺寸图像
图9. 挖掘过程中的中间测量点应变变化。
4.3. 卸载和二次挖掘后的应变反弹及变形不兼容性
逐步挖掘完成后,移除了10.89 kPa的顶部加载压力,并允许斜坡在第八次挖掘前休息60分钟。图10展示了每次测量线的应变变化结果。卸载和稳定后,深层和浅层测量线表现出明显的不同反弹响应。深层线H1-H4的平均反弹比为16.8%,其中线H3的峰值达到40.6%,表明深层土壤具有良好的弹性恢复能力。浅层线H5-H8的平均反弹比略低,为16.3%,表明之前的挖掘干扰在浅层土壤中引起了相当大的不可逆塑性变形,从而限制了其弹性反弹潜力。第八次挖掘后,内部应变场表现出明显的分歧演变。深层线H1和H2的应变分别减少了-79.4%和-84.8%,表明深层土壤发生了显著的应变释放和剪切滑动。在浅层区域,线H5、H6和H7继续积累应变,而线H8的应变减少了-28.3%,这是由于局部土壤损伤所致。这些观察结果共同表明,卸载后斜坡已经达到了临界不稳定状态。二次挖掘干扰完全破坏了现有的变形平衡,进一步加剧了深层和浅层土壤之间的变形不兼容性,削弱了斜坡的结构对称性,并驱动了从局部剪切破坏到整体不稳定性的渐进式转变。
下载:下载高分辨率图像(227KB)
下载:下载全尺寸图像
图10. 卸载和挖掘过程中的土壤应变变化:
(a) 卸载前后的土壤反弹量;
(b) 重新挖掘后的应变变化。
4.4. 二次加载过程中的破坏响应
在分阶段加载和逐步挖掘的耦合干扰之后,斜坡内部结构遭受了严重损坏,稳定性达到了临界状态。在这些条件下,依次在斜坡顶部施加了3.81 kPa、5.44 kPa、6.53 kPa的附加负载,直到发生大规模斜坡破坏。表4总结了每次测量线的应变变化,相应的增长率在图11中展示。负载稳定后,深层和浅层测量线的应变响应显著分化。作为斜坡的主要承重区,深层线在二次加载下表现出持续的应变积累,总增长率为61.1%(从3.81 kPa到6.53 kPa)。在5.40–6.48 kPa区间内,线H1和H2的增长率分别为52.8%和45.9%,反映了深层土壤的集中变形和维持斜坡平衡的关键约束作用。相比之下,浅层线表现出明显的机械分歧:线H5和H6基本稳定,总增长率分别为3.4%和10.23%,表明浅层土壤在之前的干扰后已经进入了塑性变形阶段,其承载能力显著下降。线H7的应变在5.44 kPa后略有下降,表明该区域已经达到了剪切强度极限并开始出现局部滑动。线H8的应变突然减少了72.9%,表明发生了大规模剪切破坏,该区域成为斜坡不稳定性的起始区域。
下载:下载高分辨率图像(192KB)
下载:下载全尺寸图像
图11. 重新加载过程中的应变增长率。
4.5. 垂直应变验证
纵向应变云图(图12)显示了垂直应变分布的明显分层特征和渐进式演变模式,这与横向深层和浅层监测面上观察到的应变变化一致。在加载和挖掘的早期阶段,应变主要集中在上部浅层区域,下部区域的应变相对较低——这与横向观察结果一致,即浅层线H5–H8的应变明显高于深层线H1–H4。随着挖掘步骤的增多和加载强度的增加,高应变区逐渐向斜坡内部和趾部区域扩展,伴随着应变梯度的显著增加,对应于横向观察到的深层变形加剧和显著应变增长。接近破坏阶段时,纵向云图显示出明显的应变异常和斜坡中部和趾部区域的高应变集中区,以及局部应变的急剧增加——这与横向观察到的深层线应变激增和浅层线应变急剧下降完全一致。总体而言,横向深层-浅层监测面和纵向剖面捕获的应变演变相互印证,都显示出一个一致的渐进模式:浅层土壤首先响应,深层土壤逐渐占据主导地位,最终局部集中破坏引发整体不稳定。这些空间连贯的证据证实了在多场耦合干扰下控制边坡失稳的变形机制。下载:下载高分辨率图片(658KB)下载:下载全尺寸图片
图12. 加载过程中的纵向应变云图。
4.6. 多参数耦合定量预警和顺序在线重放
第3.5节中的多参数预警方法用于评估加载-挖掘过程中的前兆演变和预警性能。将2.70 kPa加载下的初始状态定义为低干扰校准区间,用于基线确定,并从预警发布中排除。应变强度主导了危险状态的演变。在失效前,水平-垂直响应的不一致性显著增加,拉伸-压缩边界活动表现出阶段依赖性的波动,温度异常提供了补充证据。融合分数在第五挖掘阶段达到最大值67.36。应用阈值和持久性标准后,分别在3.24、5.94和10.26 kPa时触发了蓝色、黄色和橙色预警。在6.48 kPa时发布了红色预警,与全局边坡失效同时发生(图13)。使用当前和历史监测数据进行了顺序状态重放,以评估在线适用性。系统在3.78 kPa加载、5.40 kPa加载和第五挖掘阶段分别进入关注、预警和行动状态,最大平滑分数为70.7。在参数扰动下,最小Spearman相关系数为0.899,平均状态一致性为94.4%。预警序列和分类是稳定的,但最高级别的阈值需要进一步通过现场观察和独立监测数据进行校准(图14)。
下载:下载高分辨率图片(464KB)下载:下载全尺寸图片
图13. 加载-挖掘测试过程中多参数前兆子指数、耦合分数和定量预警水平的演变。
下载:下载高分辨率图片(360KB)下载:下载全尺寸图片
图14. 顺序在线状态跟踪和状态转换事件的证据组成:(a) 即时分数(St)、EWMA分数(Et)和实际预警状态;(b) 四个状态转换事件期间不同异常证据类型的相对贡献。
5. 降雨测试结果
5.1. 降雨渗透过程中的水分和温度演变
为了准确捕捉整个测试过程中土壤含水量和内部温度场的动态演变,同时构建了传感器线T1和T2的含水量变化曲线和温度场演变图(图15)。以下部分结合含水量变化和温度场变化,全面分析了横向和纵向边坡应变,从而阐明了降雨渗透和机械加载过程中边坡的内部变形特征和多场耦合机制。
下载:下载高分辨率图片(557KB)下载:下载全尺寸图片
图15. 降雨测试下的土壤水分和温度监测结果:(a) 水分监测结果;(b) T1测量线的温度变化;(c) T2测量线的温度变化。
5.2. 降雨下的水平应变响应
为了研究降雨对横向边坡应变的影响,并表征其在连续降雨阶段和加载条件下的演变,沿所有八条测量线进行了实时监测。获得了每个代表性阶段的横向应变数据和三维映射变化。以下部分基于表5中列出的监测数据和图16中显示的三维应变映射结果,详细分析了降雨干扰下的横向应变演变过程及其潜在机制。
表5. 典型阶段的横向应变监测结果。
测量线 初始值 雨后25分钟 雨后125分钟 雨后225分钟 雨后255分钟 加载后25分钟
H1 4.6 6.1 5.9 1.9 4.1 20.3
H2 4.7 8.5 38.3 5.8 66.0 18.1
H3 4.7 17.4 14.4 14.7 25.6
H4 4.7 33.5 51.0 65.9 84.6 99.0
H5 4.8 26.8 40.9 69.1 21.7
H6 4.6 14.2 9.5 -23.4 76.1
H7 4.7 15.1 18.0 14.8 95.9
H8 4.4 35.0 61.9 21.7 96.8
图16. 降雨过程中(第一次降雨后2分钟,第一次、第二次、第五次和第七次降雨后25分钟,以及加载至1.08 kPa时)横向测量线的应变变化:(a) 测量线H1-H4的应变变化;(b) 测量线H5-H8的应变变化。
从初始状态到第二次降雨后25分钟,T1和T2的温度分别从4.6°C升至7.0°C和3.5°C,形成了明显的热梯度。土壤含水量迅速增加,开始软化。H5和H8的浅层应变分别从4.8 με升至40.9 με和4.4 με,而H1和H4的深层应变分别从4.6 με升至55.9 με和47 με。渗透的水分比初始土壤温度高,提高了土壤温度并降低了其剪切强度。两层同时发生应变,浅层应变响应稍早,对称的测量线显示出一致的趋势,表明变形是空间均匀的。从第三次降雨后25分钟到第五次降雨后25分钟,T1和T2的温度分别降至1.7–3.7°C和2.1–3.3°C,随着土壤含水量接近饱和,热梯度逐渐减小。H6的浅层应变从拉伸变为压缩应变,达到最小值-23.4 με,而深层线H2和H4分别从38.3 με升至85.8 με和51.0 με。对称测量线之间的差异扩大,伴随着温度下降和梯度减小,反映了浅层土壤滑动和深层内部拉伸裂缝传播的开始,标志着进入加速变形阶段。从第六次降雨后25分钟到第七次降雨后25分钟,T1和T2的温度分别在2.0–2.5°C和0.7–2.3°C的狭窄范围内稳定,随着整个截面达到饱和,热梯度基本消失。H5和H6的浅层应变分别达到221.7 με和-76.1 με,而深层线H2和H4的应变分别上升到266.0 με和218.9 με。均匀稳定的温度场确认了完全饱和,两层同时出现应变——其中深层的应变增量超过了浅层——表明边坡已进入临界不稳定状态。在随后的1.08 kPa加载阶段,T1和T2的温度分别上升了0.5°C和1.1°C,斜坡中部出现了异常温度集中现象。土壤含水量保持在饱和状态。深层线H2的应变从266.0 με上升到1814.2 με,而浅层线H5和H7分别上升到976.8 με和1095.9 με,对称测量线之间的差异达到最大。额外的加载下异常的温度升高反映了由应变集中在完全饱和的土壤中引起的摩擦加热。剪切强度的完全丧失、多倍应变突变以及线条间的最大差异共同标志着边坡整体不稳定性的开始。
5.3. 垂直应变响应和拉伸-压缩转变
为了进一步阐明降雨和机械加载对边坡变形的联合影响,以补充方式分析了纵向应变演变。基于纵向测量线监测数据(表6)和应变分布云图(图17),详细检查了连续阶段中的纵向应变响应特征、张-压区分模式以及与含水量和温度场演变的耦合关系。
表6. 典型阶段的纵向应变监测结果
测量线 初始值 雨后25分钟 雨后125分钟 雨后225分钟 雨后255分钟 加载后25分钟
V1 2.7 -7.0 3.1 -7.0 3.2 4.0 4.2 2.8
V2 1.5 3.3 4.0 5.0 1.1 4.2 5.3 2.8
V3 1.1 3.4 4.0 2.7 4.2 5.3 2.8
V4 0.6 12.0 14.8 -30.3 -13.4 50.2
图17. 降雨过程中的纵向应变云图(第一次降雨,第一次、第二次、第五次和第七次降雨后25分钟,以及加载至1.08 kPa)。
在初始状态下,V1-V4的应变稳定在0.6至2.7 με之间,表明边坡处于变形平衡状态。从第一次降雨到第二次降雨后25分钟,土壤含水量迅速增加,T1和T2的温度分别从4.6°C升至7.0°C和3.5°C,形成了显著的热梯度。渗透的水分导致土壤快速软化,V1-V4的整体拉伸应变显著增加,其中V2和V3的测量段响应最为明显。V1从初始的拉伸应变2.7 με变为压缩应变,而V4略有增加,表明在早期降雨渗透期间拉伸变形占主导地位。从第三次降雨后25分钟到第五次降雨后25分钟,土壤含水量继续向饱和方向增加,T1和T2的温度分别降至1.7–3.7°C和2.1–3.3°C,热梯度逐渐减小。内部变形调整在纵向应变场中产生了明显的张-压区分:V1和V4从拉伸应变变为压缩应变,分别达到-29.8 με和-30.3 με,而V2和V3仍然主要以拉伸应变为主。从第六次降雨后25分钟到第七次降雨后25分钟,整个截面达到饱和,T1和T2的温度梯度基本消失,温度场变得均匀。V1的压缩应变进一步扩展至-46.1 με,V4的压缩应变略有减小,V2保持高度拉伸,V3的拉伸应变继续增加到53.1 με,内部损伤逐渐累积至临界不稳定阈值。为了量化降雨-加载过程中水平线和垂直剖面之间的协调响应,使用初始状态作为参考,对15个事件阶段进行了多维融合分析(图18)。H和V之间的六维阶段特征的总体RV系数为0.908(p = 0.0002),在降雨阶段期间保持在0.865(p = 0.0002),表明水平和垂直响应之间存在显著且稳定的关联。绝对应变增量的四分位数范围显示H和V响应之间的最强相关性(r = 0.954,FDR校正后显著)。在最终加载阶段1.08 kPa时,H和V方向的RMS应变分别增加到987.67 με和154.89 με。H方向的响应是V方向的6.38倍,复合空间变异系数达到0.950,表明尽管应变同时累积,但空间异质性仍然增强。局部耦合主要集中在深层区域,其中H4-V4对显示RV系数为0.830,RMS相关系数为0.954。这表明在最终不稳定阶段,深层区域的局部耦合和空间异质变形增强。深层应变的迅速增加和H-V响应的放大差异,以及V2和V4的应变局部化和V1和V3的应变释放,代表了向整体不稳定性过渡的重要变形特征。
5.4. 来自多参数监测的失效前兆指标
基于降雨-加载测试中的横向应变、纵向应变和温度监测结果,结合含水量和温度场的耦合演变,可以在多个维度上识别边坡不稳定性的前兆,包括应变幅度、张-压转变、温度响应和土壤含水量。在早期降雨期间,土壤内部存在明确的热梯度。渗透导致土壤均匀软化,横向应变不超过62.0 με,纵向应变在-7.0 με和45.0 με之间波动。测量线之间的变形兼容性良好,边坡处于均匀、低速、稳定的变形阶段。在第三次和第五次降雨事件之间,土壤含水量接近饱和,内部热梯度逐渐消散,出现了早期不稳定的迹象。深层线H2的应变增加到85.8 με,浅层线H6的压缩应变达到-23.4 με,纵向线V1和V4同时从拉伸应变转变为压缩应变,分别达到-29.8 με和-30.3 με。明显的张-压分化和线条间变形差异标志着进入加速变形阶段。第七次降雨后,整个截面达到饱和,土体强度大幅降低,温度场变得均匀稳定。H2和H6的极端应变分别达到266.0 με和-76.1 με,V3的拉伸应变上升到53.1 με,确认了临界不稳定性的开始。在施加1.08 kPa的超载压力后,饱和土壤中的剪切诱导摩擦加热产生了一个局部异常热区,监测到的应变发生了数量级的突然变化:H2跃升至1814.2 με,H5和H7的应变均超过了970 με,最终导致了完全的强度丧失和整体的剪切失稳破坏。总体分析表明,在降雨初期阶段缓慢而稳定的应变增加代表了坡面的稳定状态。在接近饱和阶段,拉压应变的分化、监测线之间的差异增大以及应变积累的加速为渐进性失稳提供了关键的前兆。完全饱和后,应变局部化且温度场保持稳定,标志着临界失稳阶段;而在加载过程中,应变的突然变化和局部温度异常则表征了最终的破坏过程。在最后的加载阶段,V2点的拉伸应变和V4点的压缩应变进一步加剧,同时V1点和V3点出现应变释放。这些观察结果揭示了从整体协调变形向局部耦合和空间重新分布的转变。因此,水平和垂直响应之间差异的增大可以作为饱和坡面即将发生整体破坏的重要前兆。
6. 监测信号的误差来源和可靠性分析
(1) 在模型测试过程中,电缆松动和界面脱粘可能导致应变传递损失,从而引起局部应变减弱或异常响应。为了减轻这种影响,在模型准备期间准确布置了传感电缆,并引入了锚固结构以改善电缆与土壤之间的界面耦合。通过对坡面裂缝、滑移面和应变等高线图的比较,发现应变局部化区域与滑移面的发展是一致的,这表明传感电缆有效捕捉到了与坡面破坏相关的变形局部化现象。由于界面耦合缺陷引起的潜在应变传递不确定性预计远小于坡面失稳过程中观察到的毫应变级变化。因此,在当前实验条件下,界面耦合效应对失稳前兆识别和破坏过程演变的解释影响有限。未来的研究可以结合基于PIV的图像测量和内部位移监测[42]来实现多源验证,区分实际的变形响应和潜在的测量不确定性。
(2) 温度补偿误差:在加载-挖掘和降雨-加载测试期间,实际的温度-应变耦合系数分别为16.92 με/℃和25.45 με/℃。经过温度补偿后,残余的温度-应变耦合系数降至11.58 με/℃和3.05 με/℃,相应的最大点态残余应变误差分别为11.84 με和4.01 με。这些残余误差远小于坡面破坏过程中观察到的应变响应(数千με),表明补偿引起的不确定性对监测信号的干扰可以忽略不计,对变形局部化识别和坡面失稳过程的影响也很有限。
(3) 仪器测量误差:除了传感器相关和环境因素外,测量不确定性还可能来源于查询精度、采样频率和系统噪声。本研究使用OFDR和FBG查询系统进行连续数据采集。在整个测试过程中,传感信号保持稳定,没有明显的异常波动或随机漂移。与坡面失稳过程中观察到的毫应变级应变变化相比,仪器相关的不确定性影响有限。因此,查询噪声和采样不确定性对失稳前兆识别的影响有限。
7. 结论
本研究开发了一种集成的OFDR-FBG传感系统,用于多参数坡面监测,并将其应用于加载-挖掘和降雨-加载条件下的物理模型测试。连续获取了内部应变、温度和含水量的响应,以表征坡面变形演变并识别失稳前兆。主要结论如下:
(1) 集成的OFDR-FBG系统实现了对坡面模型内部分布式应变、温度和含水量的同步监测。FBG温度数据用于OFDR应变测量的温度补偿,经过校准后,主动加热的FBG含水量传感器提供了可靠的水分反演,R2值高于0.95,RMSE值在0.0114–0.0139之间。盘形锚固结构改善了电缆与土壤的耦合,有助于减少沙质土壤中的应变传递损失。
(2) 加载-挖掘测试显示了明显的阶段性变形和深浅层应变分化。在分段加载过程中,浅层土壤的反应更为强烈,5.40 kPa标志着从近乎线性变形向非线性应变增长的明显转变。在逐步挖掘过程中,第三和第四挖掘阶段被确定为关键转折点,之后深层应变重新分布成为主导。在最终6.48 kPa的超载压力下,深层的应变急剧增加而浅层应变释放,表明滑移面的形成和整体坡面破坏。
(3) 降雨-加载测试揭示了坡面失稳期间的水分-温度-应变耦合演变。降雨渗透增加了土壤含水量,减弱了内部热梯度,并促进了应变的逐渐积累。随着饱和度的提高,拉压应变分化和不同测线之间的变形差异变得明显。第七次降雨事件后,坡面接近临界状态。在随后的1.08 kPa超载下,深层应变突然增加和局部温度异常发生,表明变形集中和最终失稳。这些结果表明,应变突变、拉压转变、变形差异、含水量增加和温度异常可以作为坡面破坏的有用多参数前兆。
(4) 开发的多参数预警框架实现了前兆严重程度的分类和工程状态的更新。基于严重程度的预警系统在3.24、5.94和10.26 kPa加载时分别发出蓝色、黄色和橙色警报,在6.48 kPa的全局破坏时触发红色警报。序列在线评估分别在3.78 kPa加载、5.40 kPa加载和第五次挖掘阶段进入注意、警告和行动状态,并在第七次挖掘后降级为警告状态。敏感性分析表明两种评分系统的风险排名稳定,尽管阈值仍需要通过独立测试和现场监测数据进行校准。
8. 讨论
尽管提出的OFDR-FBG集成监测系统有效表征了坡面变形演变并识别了失稳前兆,但室内缩小比例的模型测试仍存在一些固有的局限性。从传感技术的角度来看,基于OFDR的光纤系统受到长距离光传输损失的影响,较长的传感路径可能会降低信噪比,限制其在高精度监测大尺度坡面中的应用。同时,主动加热的FBG含水量传感器存在热滞后现象,可能阻碍对短时间降雨引起的土壤含水量快速变化的准确检测。在实验条件和设计方面,测试使用了均质土壤介质以方便对其传感性能进行控制评估,未考虑现场坡面常见的分层土壤和弱夹层等复杂地质结构。此外,实验室模型中的尺度效应导致自重应力、渗流行为和变形特性与现场坡面存在差异。因此,获得的破坏阈值仅适用于当前的实验室条件。而且,每种加载条件只进行了一次测试,没有进行重复实验,所得结果的可重复性需要进一步验证。尽管如此,具有多监测剖面的空间分布光纤验证网络和多物理参数之间的交叉验证为不同测量结果提供了一致的证据。
为了克服这些局限性,提出了相应的工程改进和未来研究方向。对于工程应用,可以采用分段光纤部署和光学中继设备来减轻长距离OFDR信号的衰减。可以开发热滞后校正模型和优化的采集策略来补偿FBG传感的延迟。同时,集成表层和深层传感布局的三维监测网络可以提高现场适应性和系统稳定性。未来的研究将通过开发具有复杂夹层的异质地质模型、进行多次平行重复实验以及结合统计误差分析来进一步改进实验框架。结合现场尺度的校正和工程验证,这些努力将增强对多场耦合破坏机制的理解,并进一步提升OFDR–FBG监测系统在复杂坡面监测中的适用性。
CRediT作者贡献声明
程刚:撰写——原始草稿、监督、调查、资金获取、概念构思。
王若凡:撰写——原始草稿、调查、正式分析、数据整理。
郭俊毅:撰写——审阅与编辑、监督、方法论。
张浩宇:调查。
史斌:监督、概念构思。
程刚 | 王若凡 | 郭俊毅 | 张浩宇 | 史斌
中国北京应急管理大学计算机科学与信息安全学院,101601
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号