压力对纯的和含硫化亚铁的橄榄石电导率影响的实验研究

刘长财; 胡海英; 代立东; 孙文清

doi:10.11858/gywlxb.20180674

压力对纯的和含硫化亚铁的橄榄石电导率影响的实验研究

doi: 10.11858/gywlxb.20180674

刘长财^{1, 2,},
胡海英^1,*, ,,
代立东¹,
孙文清¹

1.
中国科学院地球化学研究所地球内部物质高温高压重点实验室，贵州贵阳　550081
2.
中国科学院大学，北京　100049

基金项目: 国家自然科学基金（41772042，41774099，41474078）；中国科学院前沿科学重点研究项目（QYZDB-SSW-DQC009）；国家重点研究发展项目（2016YFC0601101）

详细信息

作者简介:
刘长财（1992－），男，硕士研究生，主要从事高温高压下矿物岩石电学性质研究. E-mail：liuchangcai@mail.gyig.ac.cn

通讯作者:
胡海英（1983－），女，博士，副研究员，主要从事高温高压下矿物岩石物理性质研究. E-mail：huhaiying@vip.gyig.ac.cn

中图分类号: P319.2
计量
- 文章访问数: 6490
- HTML全文浏览量: 3312
- PDF下载量: 23
出版历程
- 收稿日期: 2018-11-05
- 修回日期: 2019-01-09

Experimental Study on the Effect of Pressure on the Electrical Conductivity of Pure and Iron Sulfide-Bearing Olivine

LIU Changcai^{1, 2
,},
HU Haiying^{1,*
, ,},
DAI Lidong¹,
SUN Wenqing¹

1.
Key Laboratory of High-Temperature and High-Pressure Study of the Earth’s Interior, Institute of Geochemistry, Chinese Academy of Sciences, Guiyang 550081, China
2.
University of Chinese Academy of Sciences, Beijing 100049, China

摘要

摘要: 在YJ-3000 t紧装式六面顶大腔体压机上，用Solartron-1260阻抗/增益-相位分析仪，在1～3 GPa、723～1273 K的条件下，原位测量了纯的和含15%(质量分数)FeS的橄榄石电导率。实验结果表明：在实验温度范围内，含15% FeS的橄榄石电导率比纯橄榄石的电导率高2～3个数量级，且电导率值在0.1～10 S/m范围内；纯的和含15% FeS的橄榄石电导率都随着温度的增加而增大，但是纯的橄榄石电导率对温度的敏感性更强；纯的和含15% FeS的橄榄石电导率随压力变化表现出相反的特性，随着压力的升高，纯橄榄石电导率微弱地降低，而含15% FeS的橄榄石电导率显著地增加。由含15% FeS的橄榄石电导率对温度、压力的效应以及实验获得的活化焓可知，15% FeS在橄榄石中形成了相互连通的网络，主导着橄榄石的导电过程。
- 橄榄石 /
- FeS /
- 压力 /
- 电导率
Abstract: We performed in situ electrical conductivity measurements on pure and iron FeS-bearing olivine in a multi–anvil apparatus using the impedance spectroscopy technique under the condition of 1–3 GPa and 723–1273 K. The experimental results indicated that the electrical conductivities of 15% (mass fraction) FeS–bearing olivine, in the range of 0.1–10 S/m, are 2 to 3 orders of magnitude higher than that of pure olivine in the experimental temperature range. The electrical conductivities of pure and 15% FeS-bearing olivine increase with increasing temperature. The dependence of the electrical conductivity of pure olivine on temperature is much stronger. The effect of pressure on the electrical conductivity of pure and iron FeS-bearing olivine is different. With the rise of pressure, the electrical conductivity of pure olivine slightly decreases, whereas the electrical conductivity of the 15% FeS-bearing olivine increases significantly. Based on the experimental results including the Arrhenius parameters, it is proposed that the 15% FeS can form an interconnected network in olivine, which dominates the conduction process of olivine.
- olivine /
- FeS /
- pressure /
- electrical conductivity

HTML全文

岩体可爆性是指岩石或岩体受到炸药爆炸作用时对炸药释放的能量进行吸收或阻挡的能力。岩体可爆性可以用来衡量岩体对爆破作业的适应性和阻碍自身破碎的难易程度。基于岩体可爆性评级结果，可以进行爆破参数设计和优化，以提高爆破效率、降低爆破风险，达到预期的工程目标。这包括确定合适的爆破药量、装药方式、装药布置以及起爆方式等。总之，岩体可爆性评级和基于评级结果的爆破参数设计是提高爆破效率和安全性的基础。

国内外学者对爆破作用下岩体力学性质和岩体可爆性进行了大量研究^[1–4]。张紫晗等^[5]将岩体脆性指数引入可爆性分级指标中，使用熵权理论对岩体可爆性进行定性和定量评级，该方法可以提供系统的评级结果，帮助爆破参数设计与优化；史涵虚等^[6]基于加权聚类分析原理，对魏家峁煤矿区的岩体可爆性进行了研究，主要探讨了不同岩体的可爆性特征，并通过聚类分析的方法进行评级；王文军等^[7]运用爆破指数法对镜铁山矿业的黑沟山矿区进行了可爆性分级，爆破指数法是一种常用的爆破参数设计方法，通过评估岩体的可爆性特征来确定适当的爆破参数；Wu等^[8]提出了一种基于概念格和粗糙集理论的可爆性分级方法，该方法通过引入概念格和粗糙集理论，提高了分级效率和准确性；Zhou等^[9]建立了一种改进的RES-多维云岩团爆破分类模型，该模型结合了不同的评估指标，现场实际应用效果良好；Alipour等^[10]采用Mamdani模糊算法，用模糊集来表示爆破稳定性指数，并分析了岩体对爆破碎裂的抵抗能力。此外，还有其他研究方法应用于可爆性分级，如神经网络法^[11]、集对分析理论^[12]、CRITIC法与Vague集理论^[13]、综合赋权云模型^[14]等。这些方法通过不同的理论和模型，对岩体可爆性进行多方位、多角度的评估与分级，取得了良好的效果。

以上学者的研究为岩体可爆性分级提供了多种方法和工具，有助于爆破参数的设计与优化，从而提高爆破效率和安全性。然而，在可爆性分级研究中，大多数学者只是对某种岩体进行可爆性评级，评级结果在工程实际中的应用却鲜见报道。基于此，综合考虑指标获取的难易程度，本研究利用相关性分析提高评级指标的独立性，采用正交试验设计确定评级指标的权重，运用模糊决策理论进行岩体可爆性评级，并基于评级结果预测岩体爆破所需炸药单耗的范围。

1. 岩体可爆性分级方法及指标选取

1.1 模糊决策原理

模糊决策方法可以处理不确定和模糊性的问题，适用于岩体可爆性评级。在模糊决策中，可以建立模糊集和隶属函数来表示评级指标与可爆性等级之间的关系。通过模糊推理和模糊逻辑运算，可以实现对岩体可爆性的评级。具体分为5个步骤。

1.1.1 确定研究对象

对于模糊决策而言，首先确定其研究对象：(x₁, x₂, ··· , x_n)为待分类对象的全体。每个样本x_n=(x_1n, x_2n, ··· , x_mn)^T可用m个指标的特征值表示，则样本集可用m×n阶指标特征值矩阵X表示

$\boldsymbol {X} = \left[ {\begin{array}{*{20}{c}} {{x_{11}}}&{{x_{12}}}&{...}&{{x_{1n}}} \\ {{x_{21}}}&{{x_{22}}}&{...}&{{x_{2n}}} \\ {...}&{...}&{...}&{...} \\ {{x_{m1}}}&{{x_{m2}}}&{...}&{{x_{mn}}} \end{array}} \right] = ({x_{ij}})$

(1)

式中：x_ij为第j个样本对应的第i个指标的特征值。

1.1.2 确定评级指标与评级标准

假设有m个评级指标，共分为c个等级，那么其评级标准表对应的特征值矩阵Y为

$\boldsymbol Y = \left[ {\begin{array}{*{20}{c}} {{y_{11}}}&{{y_{12}}}&{...}&{{y_{1c}}} \\ {{y_{21}}}&{{y_{22}}}&{...}&{{y_{2c}}} \\ {...}&{...}&{...}&{...} \\ {{y_{m1}}}&{{y_{m2}}}&{...}&{{y_{mc}}} \end{array}} \right] = ({y_{ih}})$

(2)

式中：y_ih为第i个指标对应的第h个等级所对应的特征值。

1.1.3 评级标准的规格化处理

由于评级指标存在量纲上的差异，为消除其对结果的影响，需要对指标进行规格化处理，使其数据大小处于0～1之间，且量纲均为1。规格化处理可采用

${s_{ih}} = \frac{{{y_{ih}} - {y_{i1}}}}{{{y_{ic}} - {y_{i1}}}}$

(3)

式中：s_ih为第i个指标对应的第h个等级进行规格化处理后的值，且0≤s_ih≤1；y_ic、y_i1分别为第i项指标对应的第c个等级和第1个等级的特征值。

利用式(3)对评级标准进行规格化处理，得到

$\boldsymbol S = \left[ {\begin{array}{*{20}{c}} {{s_{11}}}&{{s_{12}}}&{...}&{{s_{1c}}} \\ {{s_{21}}}&{{s_{22}}}&{...}&{{s_{2c}}} \\ {...}&{...}&{...}&{...} \\ {{s_{m1}}}&{{s_{m2}}}&{...}&{{s_{mc}}} \end{array}} \right] = ({s_{ih}})$

(4)

1.1.4 确定样本的相对隶属度矩阵

设模糊概念β分为c级，在进行模糊决策的时候应先消除指标量纲的影响，基本思路如下。对模糊概念β而言，特征值越大，级别越高，即极大型指标，可以认为：当x_ij大于或等于c级特征值y_ic时，x_ij对于β的相对隶属度为1；反之，当x_ij小于或等于1级特征值y_i1时，其相对隶属度为零；若x_ij介于y_ic与y_i1之间时，则用线性插值法确定其隶属度，隶属度介于0～1之间。相反，若对模糊概念β而言，特征值越小，级别越高，即极小型指标，则认为：当x_ij小于或等于c级特征值y_ic时，x_ij对于β的相对隶属度为1；当x_ij大于或等于1级特征值y_i1时，其相对隶属度为零；x_ij介于两者之间时，则用线性插值确定。

综上，样本对模糊概念β的相对隶属度r_ij的公式为

${r}_{ij}=\left\{\begin{array}{lc}1& \quad{x}_{ij}\geqslant {y}_{ic}\\ \dfrac{{x}_{ij}-{y}_{i1}}{{y}_{ic}-{y}_{i1}}& \quad{y}_{i1} < {x}_{ij} < {y}_{ic}\\ 0&\quad {x}_{ij}\geqslant {y}_{i1}\end{array}\right.\;\;\;\;{\text{或}}\;\;\;\; {r}_{ij}=\left\{\begin{array}{lc}1&\quad {x}_{ij}\leqslant {y}_{ic}\\ \dfrac{{x}_{ij}-{y}_{i1}}{{y}_{ic}-{y}_{i1}}&\quad{y}_{ic} < {x}_{ij} <{y}_{i1} \\ 0& \quad{x}_{ij}\leqslant {y}_{i1}\end{array}\right.$

(5)

式中：r_ij为样本第i个指标的第j个特征值对β的相对隶属度；左边公式对应极大型指标，右侧公式对应极小型指标。

利用式(5)对样本进行处理，得到其相对隶属度矩阵R

$\boldsymbol R = \left[ {\begin{array}{*{20}{c}} {{r_{11}}}&{{r_{12}}}&{...}&{{r_{1c}}} \\ {{r_{21}}}&{{r_{22}}}&{...}&{{r_{2c}}} \\ {...}&{...}&{...}&{...} \\ {{r_{m1}}}&{{r_{m2}}}&{...}&{{r_{mc}}} \end{array}} \right] = ({r_{ij}})$

(6)

1.1.5 确定模糊决策矩阵

样本与评级标准之间的贴近程度用加权距离来衡量，在已知模糊标准矩阵以及各指标的权重矩阵后，模糊决策矩阵中的元素可用下式得出

${\mu _{hj}} = \dfrac{1}{{\displaystyle\sum\limits_{k = 1}^c {{{\left[ {\dfrac{{{{\displaystyle\sum\limits_{i = 1}^m {\left[ {{\omega _i}({r_{ij}} - {s_{ih}})} \right]^p} }}}}{{{{\displaystyle\sum\limits_{i = 1}^m {\left[ {{\omega _i}({r_{ij}} - {s_{ik}})} \right]^p} }}}}} \right]}^{{2}/{p}}}} }}$

(7)

式中：μ_hj为样本j从属于类别h的隶属度；ω_i为第i项指标的权重，$ \sum\limits_{i = 1}^m {{\omega _i}} = 1 $；p为系数。

1.2 岩体可爆性分级指标的选取

岩体可爆性的影响因素复杂多样，针对不同的研究内容，选择的评价指标也有所不同。岩石的单轴抗压强度、单轴抗拉强度、动载冲击强度、抗剪强度、密度、脆性指数、岩体完整性系数等是目前众多学者采用相对较多的评级指标。本研究拟通过相关性分析找出相关性较低的评级指标用于可爆性评级，以避免冗余信息，提高评级指标的独立性。

1.2.1 评级指标的相关性分析

根据岩体爆破理论，岩体破坏是爆破冲击波与爆生气体共同作用的结果。当爆破冲击波和爆生气体对岩体的作用力超过岩体本身的抗剪强度时，岩体就会发生破坏。因此，岩石的抗剪强度可以作为评估岩体可爆性的指标。

脆性^[15]既是一种变形特性，也是一种材料特性。脆性可以用脆性指数度量，脆性指数等于抗压强度与抗拉强度的比值。爆破是一种对岩体施加动态冲击的过程，脆性程度代表岩体对外部冲击的抵抗能力，所以将脆性指数作为评估岩体可爆性的指标是合理的。当岩石的脆性较高时，岩石受到爆破冲击时更容易发生破碎。

璩世杰等^[16]通过对14种岩石的多种物理力学参数进行相关性分析，得到了岩石的静载抗拉强度、密度、完整性系数可以较好地评价岩体的可爆性的结论。在选取岩石单轴抗拉强度、密度、完整性系数作为可爆性评级指标的基础上，为确定能否将岩石的抗剪强度和脆性指数也引入评级指标，选取文献[17–18]中岩石的抗拉强度和抗剪强度以及文献[5, 15, 19–20]中岩石的物理力学参数进行相关性分析。岩石的抗拉强度（σ_t）和抗剪强度（τ）见表1。岩石的物理力学参数见表2，其中：ρ为岩石密度，η为岩体的完整性系数，B为岩石脆性指数。共分析测试39块岩石样品的物理力学参数，表2仅列出12块岩石样品的数据。

表 1 岩石的抗拉强度和抗剪强度

Table 1. Tensile and shear strength of rocks

Rock category	σ_t/MPa	τ/MPa	Rock category	σ_t/MPa	τ/MPa
Magnetite ore	12	43	Migmatite	8.5	38
Chlorite schist	2.6	12	Quartz schist	7	16
Magnetite rich ore	11.5	40	Mixed metamorphic rock	4.81	21.66
Amphibolite	7.07	22	Mixed granite	12.93	47.85
k shell	8	32	Fault breccia	8.53	33.02

下载: 导出CSV

| 显示表格

表 2 岩石的物理力学参数

Table 2. Physical and mechanical parameters of rock

Rock No.	ρ/(g·cm⁻³)	σ_t/MPa	η	B
1	2.618	9.30	0.767	12.74
2	2.674	14.25	0.760	5.46
3	3.810	5.85	0.510	16.20
4	2.710	7.05	0.410	22.70
5	2.646	14.62	0.780	4.40
6	2.588	7.61	0.830	5.27
7	2.919	15.33	0.793	3.94
8	2.631	9.71	0.763	16.55
9	3.418	16.30	0.230	11.87
10	3.029	21.04	0.197	7.27
11	2.725	14.98	0.480	8.01
12	3.479	18.26	0.779	10.55

下载: 导出CSV

| 显示表格

分别对表1与表2中的数据进行相关性分析，结果见表3，其中：β₀、β₁为回归方程系数，R为相关度。从结果看：岩石的抗拉强度与抗剪强度的相关度为0.8138，相关度较高，不可将两者同时用作可爆性评级指标；岩石脆性指数与岩石密度、单轴抗拉强度、完整性系数的相关度分别为0.0084、0.2386、0.0273，基本线性无关，即可以在岩石密度、单轴抗拉强度、完整性系数作为评级指标的前提下，将脆性指数作为评级指标的一部分。

表 3 相关性分析结果

Table 3. Correlation analysis results

Results	β₀	β₁	R
τ=0.3658+3.5369σ_t	0.3658	3.5369	0.8138
B=5.2149+2.0844ρ	5.2149	2.0844	0.0084
B=19.9728−0.7139σ_t	19.9728	−0.7139	0.2386
B=14.3477−5.4339η	14.3477	−5.4339	0.0273

下载: 导出CSV

| 显示表格

相对于抗拉强度，抗剪强度（内聚力与内摩擦角）的获取途径复杂，为此，本研究最终确定以岩石密度、单轴抗拉强度、完整性系数、岩石脆性指数作为可爆性的评级指标。

1.3 权重系数的确定

在岩体可爆性评级过程中，各分级指标权重的确定是至关重要的一步，它体现岩体的物理力学参数对最终评级结果的贡献度。本研究选择应用每个因子3个水平的正交试验设计确定4个评级指标的敏感性，进而确定其权重。通过正交设计，可以高效地确定权重，减少主观性和随机性对权重的影响。正交设计中各因素水平见表4，L₉(3⁴)型正交试验设计见表5，正交试验设计结果见表6。利用极差分析方法对结果进行分析，将各列水平数相同的结果相加，记为K，3个水平的计算结果分别为K₁、K₂、K₃。表6中的等级基于文献[12]中提到的方法得出。

表 4 正交设计各因素水平

Table 4. Levels of various factors in orthogonal design

Level	ρ/(g·cm⁻³)	σ_t/MPa	B	η
1	2.618	8.61	10.77	0.360
2	2.975	13.38	7.79	0.513
3	3.270	20.14	5.46	0.783

下载: 导出CSV

| 显示表格

表 5 正交设计试验L₉(3⁴)

Table 5. Orthogonal design test L₉(3⁴)

Test No.	Level
Test No.	ρ	σ_t	B	η
1	1	1	1	1
2	1	2	2	2
3	1	3	3	3
4	2	1	2	3
5	2	2	3	1
6	2	3	1	2
7	3	1	3	2
8	3	2	1	3
9	3	3	2	1

下载: 导出CSV

| 显示表格

表 6 正交试验设计结果

Table 6. Orthogonal design test results

Test No.	ρ/(g·cm⁻³)	σ_t/MPa	B	η	Level^[12]
1	2.618	8.61	10.77	0.360	2
2	2.618	13.38	7.79	0.513	4
3	2.618	20.14	5.46	0.783	5
4	2.975	8.61	7.79	0.783	7
5	2.975	13.38	5.46	0.360	3
6	2.975	20.14	10.77	0.513	4
7	3.270	8.61	5.46	0.513	6
8	3.270	13.38	10.77	0.783	6
9	3.270	20.14	7.79	0.360	5
K₁	11	15	12	10
K₂	14	13	16	14
K₃	17	14	14	18
Range	2	0.667	1.333	2.667
Sensitiveness	2	4	3	1

下载: 导出CSV

| 显示表格

通过表6可以看出，对于评价岩体可爆性的4个指标，按照敏感性由大到小依次为：完整性系数、岩体密度、岩石脆性指数、岩石单轴抗拉强度，因此在确定评级指标的权重时应予以考虑。根据极差分析结果，完整性系数、岩体密度、岩石脆性指数、岩石单轴抗拉强度的极差比值为4∶3∶2∶1，由此确定其权重为(0.4, 0.3, 0.2, 0.1)。文献[6,18]指出，岩石的单轴抗拉强度对可爆性评级的影响较大，最终将权重调整为(0.35, 0.29, 0.21, 0.15)。

2. 岩体可爆性等级评定

选取文献[5]中的12种岩体试样作为样本，样本集指标特征值矩阵X为

${ \boldsymbol {X}} ={\left[ {\begin{array}{*{20}{c}} {2.618}&{2.674}&{2.604}&{3.070}&{2.875}&{2.813}&{2.962}&{3.368}&{3.388}&{3.445}&{3.325}&{3.479} \\ {9.30}&{14.25}&{11.12}&{17.38}&{9.41}&{6.61}&{9.00}&{15.83}&{25.66}&{9.34}&{15.27}&{18.26} \\ {12.74}&{5.46}&{11.64}&{9.02}&{7.79}&{3.13}&{8.69}&{9.11}&{6.41}&{13.90}&{10.77}&{10.55} \\ {0.767}&{0.760}&{0.796}&{0.783}&{0.783}&{0.767}&{0.783}&{0.783}&{0.774}&{0.783}&{0.763}&{0.779} \end{array}} \right]} = {({x_{ij}})_{4 \times 12}}$

(8)

基于以上分析，以岩石单轴抗拉强度、岩石密度、岩石脆性指数、岩体完整性系数为评级指标，以文献[5, 21]为参考，建立可爆性分级标准，如表7所示，共分为7个等级，即最易爆Ⅰ、易爆Ⅱ、较易爆Ⅲ、中等Ⅳ、较难爆Ⅴ、难爆Ⅵ、极难爆Ⅶ。

表 7 可爆性分级标准

Table 7. Explosivity classification standards

Rock mass explosivity level	ρ/(g·cm⁻³)	σ_t/MPa	B	η	Level
Ⅰ	2.50	6.6	17.5	0.0494	Easiest
Ⅱ	2.60	10.0	15.5	0.2555	Easy
Ⅲ	2.75	13.0	13.3	0.3654	Easier
Ⅳ	2.90	17.0	11.8	0.5122	Medium
Ⅴ	3.16	20.0	9.5	0.6021	More difficult
Ⅵ	3.30	23.0	6.0	0.7122	Difficult
Ⅶ	3.45	26.0	3.5	0.8232	Most difficult

下载: 导出CSV

| 显示表格

取表7中的数据建立可爆性评级标准对应的特征值矩阵Y

$\boldsymbol Y = \left[ {\begin{array}{*{20}{c}} {2.50}&{2.60}&{2.75}&{2.90}&{3.16}&{3.30}&{3.45} \\ {6.6}&{10.0}&{13.0}&{17.0}&{20.0}&{23.0}&{26.0} \\ {17.5}&{15.5}&{13.3}&{11.8}&{9.5}&{6.0}&{3.5} \\ {0.049\,4}&{0.255\,5}&{0.365\,4}&{0.512\,2}&{0.602\,1}&{0.712\,2}&{0.823\,2} \end{array}} \right] = {({y_{ij}})_{4 \times 7}}$

(9)

采用式(3)对Y进行规格化处理，得到消除量纲影响后的标准特征值矩阵S

$\boldsymbol S = \left[ {\begin{array}{*{20}{c}} 0&{0.105\,3}&{0.263\,2}&{0.421\,1}&{0.694\,7}&{0.842\,1}&1 \\ 0&{0.175\,3}&{0.329\,9}&{0.536\,1}&{0.690\,7}&{0.845\,4}&1 \\ 0&{0.142\,9}&{0.300\,0}&{0.407\,1}&{0.571\,4}&{0.821\,4}&1 \\ 0&{0.266\,3}&{0.408\,4}&{0.598\,1}&{0.714\,3}&{0.856\,6}&1 \end{array}} \right] = {({s_{ih}})_{4 \times 7}}$

(10)

利用式(5)对X进行规格化处理，确定样本的相对隶属度矩阵R

$\boldsymbol R = {\left[ {\begin{array}{*{20}{c}} {0.124\,2}& {0.183\,2}& {0.109\,5}& {0.600\,0}& {0.394\,7}& {0.329\,5}& {0.486\,3}& {0.913\,7}& {0.934\,7}& {0.994\,7}& {0.868\,4}& 1.000\,0 \\ {0.139\,2}& {0.394\,3}& {0.233\,0}& {0.555\,7}& {0.144\,8}& {0.000\,5}& {0.123\,7}& {0.475\,8}& {0.9825}& {0.141\,2}& {0.446\,9}& {0.601\,0} \\ {0.340\,0}& {0.860\,0}& {0.418\,6}& {0.605\,7}& {0.693\,6}& {1.000\,0}& {0.629\,3}& {0.599\,3}& {0.792\,1}& {0.257\,1}& {0.480\,7}& {0.496\,4} \\ {0.927\,4}& {0.918\,3}& {0.964\,8}& {0.948\,0}& {0.948\,0}& {0.927\,4}& {0.948\,0}& {0.948\,0}& {0.936\,4}& {0.948\,0}& {0.922\,2}& {0.942\,9} \end{array}} \right] } = {({r_{ij}})_{4 \times 12}}$

(11)

通过式(7)进行计算，取p=2，计算得到样本的模糊决策矩阵U

$\boldsymbol U = {\left[ {\begin{array}{*{20}{c}} {0.061\,5}& {0.047\,3}& {0.059\,2}& {0.017\,2}& {0.037\,0}& {0.047\,8}& {0.032\,8}& {0.013\,9}& {0.004\,4}& {0.034\,9}& {0.016\,9}& {0.016\,1} \\ {0.124\,7}& {0.088\,1}& {0.116\,2}& {0.031\,2}& {0.069\,2}& {0.083\,4}& {0.060\,9}& {0.022\,7}& {0.007\,0}& {0.055\,3}& {0.028\,5}& {0.025\,7} \\ {0.194\,2}& {0.145\,2}& {0.180\,2}& {0.055\,7}& {0.119\,7}& {0.132\,0}& {0.106\,3}& {0.037\,0}& {0.011\,0}& {0.084\,2}& {0.047\,6}& {0.040\,7} \\ {0.282\,2}& {0.250\,8}& {0.274\,9}& {0.144\,6}& {0.242\,1}& {0.212\,9}& {0.227\,0}& {0.075\,4}& {0.021\,6}& {0.145\,5}& {0.102\,6}& {0.079\,2} \\ {0.163\,6}& {0.205\,3}& {0.173\,9}& {0.355\,3}& {0.247\,7}& {0.210\,9}& {0.273\,5}& {0.237\,1}& {0.038\,2}& {0.270\,1}& {0.324\,1}& {0.233\,2} \\ {0.105\,5}& {0.161\,6}& {0.118\,1}& {0.284\,1}& {0.180\,8}& {0.188\,6}& {0.193\,6}& {0.417\,2}& {0.519\,2}& {0.243\,6}& {0.333\,0}& {0.379\,6} \\ {0.068\,3}& {0.101\,8}& {0.077\,3}& {0.112\,1}& {0.103\,5}& {0.124\,4}& {0.105\,7}& {0.196\,7}& {0.368\,6}& {0.166\,4}& {0.147\,3}& {0.225\,5} \end{array}} \right]} = {({u_{hj}})_{7 \times 12}}$

(12)

根据最大隶属度原则得到可爆性等级结果，见表8。参考文献[5, 21]，采用熵权理论法和属性识别法也得到可爆性等级，见表8。

表 8 可爆性分级结果

Table 8. Explosion classification results

Rock No.	Proposed method	Attribute recognition method	Entropy weight theory method
1	Ⅳ	Ⅲ	Ⅲ
2	Ⅳ	Ⅲ	Ⅲ
3	Ⅳ	Ⅴ	Ⅴ
4	Ⅴ	Ⅴ	Ⅵ
5	Ⅴ	Ⅴ	Ⅴ
6	Ⅳ	Ⅳ	Ⅳ
7	Ⅴ	Ⅳ	Ⅴ
8	Ⅵ	Ⅵ	Ⅵ
9	Ⅵ	Ⅵ	Ⅵ
10	Ⅴ	Ⅵ	Ⅶ
11	Ⅵ	Ⅵ	Ⅵ
12	Ⅵ	Ⅵ	Ⅵ

下载: 导出CSV

| 显示表格

从结果来看，本研究得到的评级结果与其他两种方法得到的结果具有较好的一致性，说明模糊决策方法具有一定的可行性，同时也证明采用正交试验设计确定各评级指标的权重具有合理性。然而，从实际应用的角度来看，模糊决策方法更适合处理数据，它基于模糊集理论，可以处理模糊的、有限的、不完全的和不精确的数据，使决策过程更加灵活，可以适应各种实际情况。此外，模糊决策方法还可以方便地植入数学软件中进行计算和分析，有许多基于模糊决策方法的软件工具和数据库可供使用，它们提供了专门的算法和函数，能够快速进行模糊推理和评级计算。这些软件工具使实施模糊决策方法变得简单，大大减少了计算工作量和人工操作的复杂性。

岩体的可爆性评级是多个因素共同作用的结果，任何一种因素发生变化都会对评级结果产生影响。在本研究的评级方法中，岩石1和岩石2的评级结果比其他两种方法高一级，而岩石3和岩石10的评级结果则比其他两种方法低，这是因为3种评级方法的权重分配方案不同。对于岩石10，其密度、抗拉强度、完整性系数、脆性指数分别为3.445 g/cm³、9.34 MPa、0.783、13.90，与其他岩石相比，其脆性指数较大，且脆性指数是极小型指标，其值越大代表岩体可爆性等级越低，岩体越容易爆破。相对其余两种方法，本研究赋予脆性指数的权重略大，因此岩石10的评级结果比其他两种方法低。

3. 可爆性等级对应炸药单耗区间的预测

基于可爆性评级结果预测岩体爆破所需炸药单耗的范围是评价岩体可爆性的一种补充应用，可为工程实际应用提供更详细的指导信息。本研究利用多元回归分析方法，对可爆性等级与炸药单耗之间的关系建立数学模型，从而实现对炸药单耗范围预测。

3.1 炸药单耗预测公式推导

对于非煤矿山地下采矿浅孔爆破，爆破每立方米岩体所需的炸药量q通常要根据不同岩石的坚固性系数f进行调整，具体如表9^[22]所示。

表 9 炸药单耗与岩石坚固性系数^[22]

Table 9. Unit consumption and rock soundness coefficient of explosive^[22]

f	q/(kg·m⁻³)	f	q/(kg·m⁻³)
0–4	0.25–0.65	10–15	1.60–2.60
5–8	0.65–1.00	>15	>2.80
8–10	1.00–1.60

下载: 导出CSV

| 显示表格

参考《工程岩体分级标准》（GB/T 50218—2014）^[23]，基于岩体基本质量指标BQ，将岩体分为5级，将其与表9结合得到表10。

表 10 $BQ $与炸药单耗

Table 10. $BQ $ and explosive unit consumption

BQ	q/(kg·m⁻³)	BQ	q/(kg·m⁻³)
≤250	0.25–0.65	451–550	1.60–2.60
251–350	0.65–1.00	>551	>2.80
351–450	1.00–1.60

下载: 导出CSV

| 显示表格

利用MATLAB将表10中的数据进行拟合，得到炸药单耗q与BQ之间的关系，见表11，q_ll为炸药单耗的下限，q_ul为炸药单耗的上限。

表 11 炸药单耗与$BQ $拟合结果

Table 11. Fitting results of explosive unit consumption and $BQ $

Result	β₀	β₁	R
q_ll=–0.6180+0.0055BQ	–0.6180	0.0055	0.9629
q_ul=–0.7425+0.0075BQ	−0.7425	0.0075	0.9425

下载: 导出CSV

| 显示表格

岩体基本质量指标BQ计算公式为

$BQ=100+3R_{\mathrm{c}}+250\eta$

(13)

式中：R_c为岩石的单轴饱和抗压强度。当R_c>90η+30时，将η和R_c=90η+30代入式(13)求BQ；当η>0.04R_c+0.4时，将η=0.04R_c+0.4和R_c代入式(13)求BQ的值。

基于此，得到39种岩石的BQ，如表12所示，与表2一致，这里仅列其中12种岩石的BQ。

表 12 岩石的$BQ $

Table 12. Rock $BQ $

Rock No.	BQ	Rock No.	BQ
1	588	7	479
2	523	8	588
3	455	9	309
4	403	10	597
5	489	11	440
6	428	12	595

下载: 导出CSV

| 显示表格

根据工程实际，对岩体的BQ进行修正，利用表2中线性相关度较弱的数据，将岩体密度、抗拉强度、脆性指数、完整性系数与BQ进行拟合，得到的拟合公式为：BQ=57.4－5.5ρ+7.41σ_t+460.2η+5.22B，相关度为0.913。将该式与表11中炸药单耗拟合公式结合，得到基于评级指标的炸药单耗预测公式。

完整性系数可以由岩体与岩石波速计算得到，即知道岩体与岩石波速、岩体的密度、抗拉强度、抗压强度，就可通过式(14)和式(15)计算出炸药单耗的上限和下限。

$q_{\mathrm{ul}}=-0.311\,9-0.041\,2\rho+0.055\,6\sigma\mathrm{_t}+3.451\,4\eta+0.039\,1B$

(14)

$q\mathrm{_{ll}}=-0.302\,2-0.030\,2\rho+0.040\,7\sigma\mathrm{_t}+2.531\eta+0.028\,7B$

(15)

3.2 可爆性等级对应的炸药单耗

以39种岩石为样本，采用本研究的方法对其进行评级，利用式(14)和式(15)，计算炸药单耗的范围，结果见表13。

表 13 评级与炸药单耗计算结果

Table 13. Rating and explosive unit consumption calculation results

Level	Number	q/(kg·m⁻³)	Level	Number	q/(kg·m⁻³)
Ⅰ	0	<0.77	Ⅴ	12	1.91–2.71
Ⅱ	3	0.77–1.22	Ⅵ	5	2.48–3.49
Ⅲ	8	1.17–1.69	Ⅶ	0	>3.49
Ⅳ	11	1.58–2.26

下载: 导出CSV

| 显示表格

由表13可以看出，39种岩石中可爆性等级为Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ级的分别有3、8、11、12、5种。将评级结果与式(14)和式(15)计算得到的炸药单耗区间进行对应，即可得到各可爆性等级对应的炸药单耗预测范围。

3.3 炸药单耗预测的有效性验证

为验证炸药单耗预测范围的有效性，在云南某锡矿开展岩石的物理力学实验，并进行现场爆破试验。试验地点位于三坑1480中段，爆破试验的对象岩体为大理岩和氧化矿。

3.3.1 岩石的室内实验

采用微机电液伺服试验机HYE-2000对矿岩试样进行单轴抗压和单轴抗拉实验，采用ZT801岩体参数测定仪测量矿岩试样的波速，通过称量法测量矿岩试样的密度，得到的岩石物理力学数据见表14。

表 14 岩矿试样的物理参数

Table 14. Physical parameters of rock specimen

Rock type	ρ/(g·cm⁻³)	σ_t/MPa	B	η
Marble	2.72	4.66	12.9	0.566
Oxidized ore	2.47	4.86	15.1	0.156

下载: 导出CSV

| 显示表格

根据表14所列数据，采用本研究的方法对岩矿进行可爆性评级：大理岩的可爆性等级为Ⅳ级，氧化矿的可爆性等级为Ⅰ级。由表13即可得到其对应的炸药单耗范围，大理岩的炸药单耗范围为1.58～2.26 kg/m³，氧化矿的炸药单耗小于0.77 kg/m³。

3.3.2 现场爆破试验

分别进行1次大断面大理岩巷道掘进的爆破试验以及1次氧化矿采场爆破试验。试验采用大直径空孔直眼掏槽，装药孔与空孔的距离为200 mm，为空孔直径D的2.0倍，起爆网路采用微差起爆技术。大理岩掏槽孔布置见图1，爆破效果见图2。氧化矿装药作业以及连线作业分别见图3和图4。

图 1 大理岩掏槽孔布置

Figure 1. Layout of marble cutting holes

下载: 全尺寸图片幻灯片

图 2 大理岩爆破效果

Figure 2. Effect of marble blasting

下载: 全尺寸图片幻灯片

图 3 氧化矿装药作业

Figure 3. Operation of oxide ore charging

下载: 全尺寸图片幻灯片

图 4 氧化矿连线作业

Figure 4. Operation of oxidation ore connection

下载: 全尺寸图片幻灯片

爆破后，对出矿、进尺、孔深等相关数据进行统计，发现无特殊大块产生，大理岩爆破的平均炸药单耗为2.04 kg/m³，氧化矿爆破的平均炸药单耗为0.71 kg/m³，处于预测的炸药单耗范围内，这在一定程度上证明了预测范围的合理性，为相似工况的炸药单耗设计提供了一定的参考。

4. 结　论

(1) 通过相关性分析得到了抗拉强度、岩石密度、脆性指数和岩体完整性系数基本不相关的结论，4个量能提供独立的信息，可同时作为可爆性评级指标；

(2) 通过设计一系列正交试验，确定了评级指标对结果的影响，在此基础上确定了各指标权重；

(3) 模糊决策理论是一套科学合理的决策理论，为岩体可爆性评级提供了一种新思路，通过评级结果的对比，证明了该方法的可靠性；

(4) 结合可爆性评级指标和岩体基本质量指标，推导出了炸药单耗的预测公式，进一步给出了各可爆性等级对应的炸药单耗预测区间，现场爆破试验证明了其合理性。

图 1 实验样品组装图

Figure 1. Experimental setup for electrical conductivity measurements

下载: 全尺寸图片幻灯片

图 2 (a)纯橄榄石和(b)含15% FeS的橄榄石的背散射图

Figure 2. Backscattered electron images of (a) pure olivine and (b)15% FeS–bearing olivine

下载: 全尺寸图片幻灯片

图 3 不同温度压力条件下纯橄榄石和含15% FeS的橄榄石复阻抗谱的对比

Figure 3. Comparison of complex impedance spectra of pure olivine and 15% FeS–bearing olivine under different temperature and pressure conditions

下载: 全尺寸图片幻灯片

图 4 纯的和含15% FeS橄榄石的电导率对数与温度倒数的关系

Figure 4. Logarithm of electrical conductivity reciprocal temperature for pure olivine and 15% FeS–bearing olivine at different pressures

下载: 全尺寸图片幻灯片

图 5 活化焓与压力的关系

Figure 5. Activation enthalpy versus pressure

下载: 全尺寸图片幻灯片

表 1 样品电导率的Arrhenius关系拟合参数

Table 1. Fitted parameters of Arrhenius relation for the electrical conductivity of samples

Sample	p/GPa	T/K	lg $\sigma_0 $	$\sigma_0 $/(S∙m⁻¹)	${\Delta H}/{\rm{eV}}$	${\gamma^2}$
	1	723–1273	2.53	338.84	1.18	0.9913
Olivine	2	723–1273	1.96	91.20	1.11	0.9781
	3	723–1273	1.05	11.22	1.03	0.9867
	1	723–1273	0.47	2.95	0.20	0.9953
FeS-bearing olivine	2	723–1173	1.73	53.70	0.29	0.9802
	3	723–1073	2.78	602.56	0.39	0.9845
Note: ${\gamma}^2 $—adjust R-square.

下载: 导出CSV

参考文献(19)

[1]	RINGWOOD A E. Composition and petrology of the Earth’s mantle [M]. New York: McGraw-Hill, 1975.
[2]	IRIFUNE T, RINGWOOD A E. Phase-transformations in a harzburgite composition to 26 GPa: implication for dynamical behavior of the subducting slab [J]. Earth and Planetary Science Letters, 1987, 86(2/3/4): 365–376.
[3]	YOSHINO T, WALTER M J, KATSURA T. Core formation in planetesimals triggered by permeable flow [J]. Nature, 2003, 422(6928): 154–157. doi: 10.1038/nature01459
[4]	YOSHINO T, WALTER M J, KATSURA T. Connectivity of molten Fe alloy in peridotite based on in situ electrical conductivity measurements:implications for core formation in terrestrial planets [J]. Earth and Planetary Science Letters, 2004, 222(2): 625–643. doi: 10.1016/j.jpgl.2004.03.010
[5]	WANG D J, KARATO S I, JIANG Z T. An experimental study of the influence of graphite on the electrical conductivity of olivine aggregates [J]. Geophysical Research Letters, 2013, 40(10): 2028–2032. doi: 10.1002/grl.50471
[6]	BAGDASSAROV N, GOLABEK G J, SOLFERINO G, et al. Constraints on the Fe-S melt connectivity in mantle silicates from electrical impedance measurements [J]. Earth and Planetary Science Letters, 2009, 177(3/4): 139–146.
[7]	WATSON H C, ROBERTS J J, TYBURCZY J A. Effect of conductive impurities on electrical conductivity in polycrystalline olivine [J]. Geophysical Research Letters, 2010, 37: L02302.
[8]	WATSON H C, ROBERTS J J. Connectivity of core forming melts: experimental constraints from electrical conductivity and X-ray tomography [J]. Physics of the Earth and Planetary Interiors, 2011, 186(3/4): 172–182.
[9]	ZHANG Z, POMMIER A. Electrical investigation of metal-olivine systems and application to the deep interior of mercury [J]. Journal of Geophysical Research–Planets, 2017, 122(12): 2702–2718. doi: 10.1002/2017JE005390
[10]	OMURA K, KURITA K, KUMAZAWA M. Experimental study of pressure dependence of electrical conductivity of olivine at high temperatures [J]. Physics of the Earth and Planetary Interiors, 1989, 57(3/4): 291–303.
[11]	XU Y S, SHANKLAND T J, DUBA A G. Pressure effect on electrical conductivity of mantle olivine [J]. Physics of the Earth and Planetary Interiors, 2000, 118(1/2): 149–161.
[12]	DAI L D, KARATO S I. The effect of pressure on the electrical conductivity of olivine under the hydrogen-rich conditions [J]. Physics of the Earth and Planetary Interiors, 2014, 232: 51–56. doi: 10.1016/j.pepi.2014.03.010
[13]	DAI L D, HU H Y, LI H P, et al. Influence of temperature, pressure, and oxygen fugacity on the electrical conductivity of dry eclogite and geophysical implications [J]. Geochemistry Geophysics Geosystems, 2016, 17(6): 2394–2407. doi: 10.1002/2016GC006282
[14]	HU H Y, DAI L D, LI H P, et al. Influence of dehydration on the electrical conductivity of epidote and implications for high–conductivity anomalies in subduction zones [J]. Journal of Geophysical Research–Solid Earth, 2017, 122(4): 2751–2762. doi: 10.1002/2016JB013767
[15]	SHI C Y, ZHANG L, YANG W G, et al. Formation of an interconnected network of iron melt at Earth’s lower mantle conditions [J]. Nature Geosciences, 2013, 6(11): 971–975. doi: 10.1038/ngeo1956
[16]	ROBERTS J J, TYBURCZY J A. Impedance spectroscopy of single and polycrystalline olivine: evidence for grain boundary transport [J]. Physics and Chemistry of Miners, 1993, 20(1): 19–26.
[17]	HIRAGA T, ANDERSON I M, KOHLSTEDT D L. Grain boundaries as reservoirs for incompatible elements in the Earth’s mantle [J]. Nature, 2004, 427(6976): 699–703. doi: 10.1038/nature02259
[18]	DAI L D, LI H P, HU H Y, et al. Experimental study of grain boundary electrical conductivities of dry synthetic peridotite under high temperature, high-pressure, and different oxygen fugacity conditions [J]. Journal of Geophysical Research–Solid Earth, 2008, 113(B12): B12211. doi: 10.1029/2008JB005820
[19]	TERASAKI H, FROST D J, RUBIE D C, et al. The effect of oxygen and sulphur on the dihedral angle between Fe–O–S melt and silicate minerals at high pressure: implications for Martian core formation [J]. Earth and Planetary Science Letters, 2005, 232(3/4): 379–392.