ブログ

Jun 22, 2023

地下水の発破振動特性の特定

Scientific Reports volume 13、記事番号: 13557 (2023) この記事を引用 218 アクセス メトリクスの詳細 ブラストは、鉱山、地下鉄、解体工事、地下水密閉トンネルなどで広く使用されています。

Scientific Reports volume 13、記事番号: 13557 (2023) この記事を引用

218 アクセス

メトリクスの詳細

発破は、鉱山、地下鉄、解体、地下水封鎖トンネルで広く使用されています。その中でも、最後のトンネルは、多くの隣接するトンネル、高い浸透防止要件、厳格な発破管理などのため、広く懸念されています。発破特性の特定は、発破工事や地下水封入トンネルの安全性評価に極めて重要な意味を持つ。 地下水密閉トンネルでは従来の特徴識別方法があまり検討されていないという問題を考慮して、適応ノイズとマルチスケール順列エントロピーおよびヒルベルト・ファン変換（HHT）法を使用した相補アンサンブル経験的モード分解が提案されました。 次に,提案した方法を数値シミュレーションと黄島地下水密閉トンネル工学によって検証した。 結果は、提案した方法がモーダルエイリアシングと信号ノイズを抑制し、地下水で密閉されたトンネルの発破特性を効果的に識別できることを示しています。 さらに、0～200Hzの周波数範囲で94.7%、0～50Hzの72.5%を占める発破振動エネルギーをまとめました。 さらに、HHTにより各監視ポイントの安全状況を評価し、ミリ秒発破の実現可能性を確認しました。 提案手法は、地下水封鎖トンネルの振動特性と安全性状況を時間周波数とエネルギーの観点から効果的に特定することができます。

経済的で効果的な掘削手段である発破は、鉱山、鉄道、高速道路トンネル、水力発電工学、地下水封止トンネル、都市高層ビルの解体などに広く使用されています1、2、3。 地下水封式トンネル貯蔵とは、安定した地下水位以下の一定深さの岩盤を掘削し、水封の原理を利用して石油やガスのエネルギーを貯蔵する地下空間システムを指します。 世界の産業界では「戦略性が高く安全な埋蔵地」として知られており、国際的に石油や液化ガスなどのエネルギーの主要な貯蔵方法となっている。 地下水密封トンネルは、多くの空洞が隣接し、高い浸透防止要件、厳格な発破制御などを伴う動的な地下水環境にあり、トンネルの安定性と安全管理が建設と安全な運営の基礎となっています。 発破や掘削の際、発破エネルギーの一部は発破孔周囲の岩盤に対する作業を行いながら、岩盤の破壊（変形、破壊、移動、投げ飛ばしなど）に利用されます。 一方、エネルギーの別の部分は爆発地震波の形で岩盤に動的に伝播し、隣接するトンネルや支持施設に振動や損傷の影響を引き起こします4,5。 発破振動信号に含まれる情報をモニタリング、抽出、解析し、発破振動信号の周波数スペクトルやエネルギー分布特性を調べることにより、媒体内での発破地震波の伝播則、波形特性、エネルギー特性、減衰則を明らかにすることができる6。 、7、8。 発破振動の分析と評価は、発破工事の品質効果と隣接するトンネルの安全性と安定性にとって非常に重要です9。 ただし、従来の地物識別方法は主に一般的なトンネル、鉱山、斜面の掘削に適用されており、地下水で密閉されたトンネルではあまり研究されていません。 したがって、地下水封入トンネルの発破特性の特定を検討する必要がある。

爆破振動信号全体は、複雑な環境、電磁干渉、監視機器の誤差などの特定の要因の影響により、非定常かつ非線形の特性を示します10。 学者の中には、信号を特定して分析するために特定の現在の時間周波数分析手法を使用する人もいます。 高速フーリエ変換 (FFT) は、信号を時間領域全体から周波数領域に変換し、時間と瞬間周波数に伴う発破地震波エネルギーの動的変化と減衰特性を分析し、さまざまな種類の波形を識別します11。 ウェーブレット解析は、時間周波数解析、マルチバンド解析、エネルギー分布特性解析を実現し、従来の単一要素からしか解析できなかった発破地震波のエネルギー分布特性を複数の周波数帯で特定することができます。発破振動波の振幅、周波数、持続時間12． Huang らによって提案された経験的モード分解 (EMD) 13 は、非定常および非線形信号の特性に対して多層適応分解を実行し、さまざまな特性時間スケールを含む固有モード関数 (IMF) 14 を取得できます。信号の局所的な特徴を強調表示し、多重解像度解析を実行できる独自の物理的意味を持ちます15。 アンサンブル EMD (EEMD) および相補 EEMD (CEEMD) メソッドは、EMD に基づいてガウス ホワイト ノイズを追加することによって改良されています。 これらの方法は、元の信号を時間周波数空間で異なるスケールの成分に分割し、すべて適応的なノイズ支援データ分析方法 16 であり、モーダル エイリアシングの問題をある程度解決し、適応分解と時間周波数特徴抽出を実現します。非定常信号17． 適応ノイズを備えた CEEMD (CEEMDAN) も、ホワイト ノイズを適応的に追加することで EMD に基づいて改良されており、モーダル エイリアシング現象を軽減し、再構築エラーの問題を克服し、元の信号を正確に再構築できます18。