本发明涉及深部工程脆性指标评价，尤其涉及一种深部工程智能化多参数脆性指标评价系统。
背景技术：
1、在深部岩体工程中，开挖导致了岩体原始赋存环境发生了改变，原岩应力的平衡状态被打破，导致岩体产生应力重分布和局部应力集中现象，这会严重影响到深部岩体工程的稳定性，对深部岩体工程产生一定的破坏。因此，准确评估岩体的脆性对深部岩体稳定性分析、可钻性分级以及灾害防控具有重要意义。
2、目前脆性指标评价方法主要包括以下几种：(1)rybacky et al.(2016)综合考虑了岩石矿物成分以及孔隙度对岩石脆性的影响，提出了一种基于岩石矿物成分及孔隙度的脆性评价方法；(2)altindag et al.(2002)认为岩石的脆性可以通过计算单轴抗拉-抗压强度曲线所包围的面积来进行量化，提出了基于岩石强度参数的脆性评价方法；(3)专利zl202210360913.9基于杨氏模量及泊松比提出了一种脆性评价方法；(4)yagiz(2009)介绍了一种用冲击穿透试验的数据来直接量化岩石脆性的方法，提出基于冲击穿透试验的脆性评价方法；(5)专利zl202310024304.0基于岩石应力-应变曲线得到试样的峰值(残余)强度、峰值(残余)应变、起裂应力等信息，建立了一种脆性指标，提出基于应力应变曲线的脆性评价方法。但是，以上所述方法存在不足之处。矿物成分的参数确定较为麻烦；没有考虑残余强度对脆性的影响；针对复杂的应力条件时，提出的脆性指标结果不够准确；在基于应力-应变曲线进行分析时，存在人为误差，对评价结果产生一定的影响。而智能化多参数脆性指标评价系统，可以从多个参数入手，对试样进行全面的脆性评价，得到更加准确的脆性指标，解决了因岩石力学参数不足而产生的误差，并且还提出了快速测试和精准测试两个系统，可以很好的把握深部岩体工程稳定性。
3、现有的专利中，专利zl202210360913.9中提出了一种加权脆性指标，并且该专利的加权数值是平均分化的，且只仅仅从岩石的弹性模量、泊松比、起裂强度等进行了评价；专利zl202210665121.2提出了一种基于能量演化的脆性指数评价方法；专利zl202210735474.5提出了一种基于岩石力学性质的脆性指数评价方法。专利zl201710137576.6提出了一种通过归一化数据来进行脆性评价，并且仅仅从峰前阶段对试验进行了评价。以上方法都存在不足与局限性。
技术实现思路
1、本发明要解决的技术问题是针对上述现有技术的不足，提供一种深部工程智能化多参数脆性指标评价系统，建立智能化自动评价算法，实现了从多参数角度去自动评价岩石脆性。
2、为解决上述技术问题，本发明所采取的技术方案是：深部工程智能化多参数脆性指标评价系统，包括岩石特征参数获取模块、脆性指标构建模块以及脆性判别模块；所述岩石特征参数获取模块通过快速监测和精准监测两种方式获取待评价岩石的特征参数；所述脆性指标构建模块根据快速监测和精准监测两种不同方式获取的待评价岩石的特征参数，构建多个脆性指标；所述脆性判别模块根据各脆性指标的结果对待评价岩石的脆性进行判别。
3、优选地，所述岩石特征参数获取模块采用快速监测方式获取待评价岩石的特征参数的方法为：
4、根据工程现场监测以及现场试验，对岩石试样进行单轴压缩试验和冲击穿透试验，得到岩石试件的全应力-应变曲线，通过岩石试件的全应力-应变曲线，得到待评价岩石的特征参数，包括：单轴抗压强度、单轴抗拉强度、峰值强度、残余强度、冲击穿透试验中岩石试件所承受的最大载荷以及侵入深度。
5、优选地，所述岩石特征参数获取模块采用精准监测方式获取待评价岩石的特征参数的方法为：
6、借助x射线衍射仪对矿物成分进行监测，得到强硬性矿物成分、中强性矿物成分、弱性矿物成分；通过室内试验对不同的应力条件、不同的环境、不同岩石材料、不同的工程背景、不同地区的试样进行单轴压缩试验、常规三轴压缩试验以及真三轴压缩试验进一步得到待评价岩石的特征参数，包括：强硬性矿物含量、中硬性矿物、非硬性矿物含量、弹性模量、泊松比、起裂应力、峰值强度、峰值应变、残余强度、残余应变、弹性变形、破坏时总变形、峰前耗散能、峰后割线模量、峰前弹性能、峰后外力的机械功增量以及内部残余的弹性能。
7、优选地，所述脆性指标构建模块根据快速监测方式得到的岩石特征参数，构建脆性指标包括：
8、根据岩石试件的单轴抗压强度、单轴抗拉强度、峰值强度、残余强度，构建脆性指标b1、b2；
9、
10、其中：σc是岩石单轴抗压强度；σt是岩石单轴抗拉强度；
11、
12、其中：σp是岩石的峰值强度；σt是岩石的残余强度；
13、根据冲击穿透试验中岩石试件所承受的最大载荷以及侵入深度，构建脆性指标b3；
14、
15、其中：fmax是冲击穿透试验中岩石试件所承受的最大载荷；p是侵入深度；
16、优选地，所述脆性指标构建模块根据精准监测方式得到的岩石特征参数，构建脆性指标包括：
17、根据岩石试样内部的强硬性矿物含量、中硬性矿物含量、非硬性矿物含量，构建脆性指标b4；
18、
19、其中：fqfp是强硬性矿物的含量；fcb是中强硬性矿物的含量；fclytoc是非强硬性矿物的含量；wqfp、wcb、wclytoc、是基于0到1之间的加权因子，为岩石孔隙度；
20、根据岩石的弹性模量、泊松比、起裂应力、峰值强度、峰值应变、残余强度、残余应变、弹性变形、破坏时总变形、峰前耗散能、峰后割线模量、峰前弹性能、峰后外力的机械功增量、内部残余的弹性能，构建脆性指标b5-b13，具体为：
21、根据岩石的弹性模量和泊松比构建脆性指标b5、b6；
22、
23、其中：e是岩石的弹性模量；emax是岩石的最大弹性模量；emin是岩石的最小弹性模量；
24、
25、其中：ν是泊松比；νmax是最大泊松比；νmin是最小泊松比；
26、只考虑全应力-应变过程的峰前阶段，借助峰前特征参数构建脆性指标b7、b8：
27、
28、其中：σci是岩石的起裂应力；σp是岩石的峰值强度；
29、
30、其中：εel是弹性应变；εtot是破坏时的总应变；
31、只考虑全应力-应变过程的峰后阶段，借助峰后特征参数构建脆性指标b9：
32、b9＝(σp-σr)/σpb10＝(εr-εp)/εr
33、其中：σp是岩石的峰值强度；σt是岩石的残余强度；εp是峰值应变；εr是残余应变；
34、考虑全应力-应变程中的特征参数，构建脆性指标b11、b12：
35、b11＝(m-e)/m
36、m＝(σp-σr)/(εr-εp)
37、其中：m是峰后割线模量；
38、b12＝(bepre+bepost)/2
39、
40、
41、其中，bepre是峰前弹性能积聚率；bepost是峰后弹性能耗散率；s1是峰前耗散能；s2是峰前弹性能；s3是峰后外力的机械功增量；s4是内部残留总能量；
42、b13＝(σp-σr)/(εr-εp)+(σp-σr)(εr-εp)/(σpεp)。
43、优选地，所述脆性判别模块根据各脆性指标的结果对待评价岩石的脆性进行判别时，
44、(1)当全部脆性指标结果呈现相同趋势时，无需进行加权判别，即可判别某一岩石的脆性；
45、(2)当各脆性指标结果呈现不同趋势时，则先对各脆性指标数据进行归一化处理，通过引入加权脆性指标进行判别；根据各个脆性指标的重要性，利用加权值对其进行赋值计算，根据不同的研究条件加权值应根据情况实时调整。
46、优选地，所述脆性判别模块针对快速监测方式引入的加权脆性指标b如下公式所示：
47、b＝a1b1/b1max+a2b2/b2max+a3b3/b3max
48、其中，b1max、b2max、b3max分别为脆性指标b1、b2、b3数组中的最大值，a1、a2、a3分别为脆性指标b1、b2、b3的权重系数。
49、优选地，所述脆性判别模块针对精准监测方式引入的加权脆性指标b'如下公式所示：
50、b'＝a4b4/b4max+a5b5/b5max+a6b6/b6max+a7b7/b7max+a8b8/b8max+a9b9/b9max+a10b10/b10max+a11b11/b11max+a12b12/b12max+a13b13/b13max
51、其中，b4max-b13max分别为脆性指标b4-b13数组中的最大值，a4-a13分别为脆性指标b4max-b13max的权重系数。
52、采用上述技术方案所产生的有益效果在于：本发明提供的深部工程智能化多参数脆性指标评价系统，(1)本发明综合了多种不同的脆性指标，易于全方位多层次的分析岩石的脆性、精确把握和预测深部岩体工程岩爆倾向性，得到更加准确的脆性评价。
53、(2)本发明结合快速监测和精准监测的实际情况，建立了相应的脆性指标，简化了参数确定流程，减少了计算量，易于得到相关工程岩体的脆性，使计算结果与试验现象和现场破坏现象更加吻合，这样可以更好的评估深部竖井和矿山的稳定性。
54、(3)本发明中的脆性指标主要是基于岩石全应力-应变曲线来建立的，便于更加直观的得到岩石最基本的力学参数，确定了弹性模量、泊松比、峰值强度等信息，并且结合岩石各个阶段能量存储与消耗规律，确定各个阶段脆性指数，使得脆性指标更加严谨科学；基于岩石能量特征和应力应变曲线，充分考虑应力应变曲线不同阶段能量的变化，同时结合峰前峰后能量关系，对不同阶段岩石脆性的变化藐视更加细致、准确。
55、(4)本发明适应于不同的应力条件、不同的环境、不同岩石材料、不同的工程背景、不同地区的岩石进行脆性评价，大大提升了岩体脆性评价的可靠性，缩减了其的局限性。
56、(5)本发明基于编程语言会对基本数据进行一个自动的处理，自动进行判别选取合适的脆性指标，自动输出结果，并且自动对结果进行比较，在结果不一致的条件下，会自动进行加权脆性指标的计算，最后得到准确的脆性评价结果。
57、(6)考虑不同的脆性指标之间可能会存在不同的趋势，导致无法判别，借此引入加权值进行判别，同时考虑到各个脆性指标的数值尺度存在差异化，先对数值进行归一化处理，然后根据每个脆性指标的重要性对其进行权重赋值，使该评价结果更加严谨，更加接近实际结果，误差更小。
1.一种深部工程智能化多参数脆性指标评价系统，其特征在于：包括岩石特征参数获取模块、脆性指标构建模块以及脆性判别模块；所述岩石特征参数获取模块通过快速监测和精准监测两种方式获取待评价岩石的特征参数；所述脆性指标构建模块根据快速监测和精准监测两种不同方式获取的待评价岩石的特征参数，构建多个脆性指标；所述脆性判别模块根据各脆性指标的结果对待评价岩石的脆性进行判别。
2.根据权利要求1所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述岩石特征参数获取模块采用快速监测方式获取待评价岩石的特征参数的方法为：
3.根据权利要求1所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述岩石特征参数获取模块采用精准监测方式获取待评价岩石的特征参数的方法为：
4.根据权利要求2所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述脆性指标构建模块根据快速监测方式得到的岩石特征参数，构建脆性指标包括：
5.根据权利要求3所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述脆性指标构建模块根据精准监测方式得到的岩石特征参数，构建脆性指标包括：
6.根据权利要求4或5所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述脆性判别模块根据各脆性指标的结果对待评价岩石的脆性进行判别时，
7.根据权利要求6所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述脆性判别模块针对快速监测方式引入的加权脆性指标b如下公式所示：
8.根据权利要求7所述的深部工程智能化多参数脆性指标评价系统，其特征在于：所述脆性判别模块针对精准监测方式引入的加权脆性指标b'如下公式所示：
