赵永, 古旭升, 王述红, 高煬
东北大学 资源与土木工程学院，辽宁 沈阳 110819
收稿日期：2022-05-22
基金项目：国家自然科学基金资助项目(52004052, U1903216); 辽宁省自然科学基金资助项目(2021-MS-100); 博士后国际交流派出计划项目(2020059); 中央高校基本科研业务费专项资金资助项目(N2101027)。
作者简介：赵永(1991-)，男，山东临沂人，东北大学讲师，博士;
王述红(1969-)，男，江苏泰州人，东北大学教授，博士生导师。

摘要：煤矿中岩体往往是层状分布，多种岩性共存.单一岩性岩石失稳研究得出的前兆指标难以用于实际工程.探究煤矿中不同岩性岩石的破裂过程与声发射参数之间的关系，建立基于声发射参数的多种岩性岩石稳定性评价机制至关重要.鉴于此，利用声发射监测系统对取自煤层上方连续三种岩性岩石(细砂岩、砂质泥岩和粉砂岩)开展单轴压缩声发射试验研究.通过对声发射参数的相关性进行研究，选取了能量、b值、主频、视应力以及视体积这5种相关性较低的声发射参数作为岩石破坏前兆指标，建立了适用于三种岩性的稳定性评价体系.研究结果为实际工程中基于微震监测的煤矿灾害预警预测提供基础.
关键词：声发射参数前兆特征高能事件稳定性评价动态b值
Common Precursor Characteristics of Uniaxial Compression Failure of Rocks with Different Lithology
ZHAO Yong, GU Xu-sheng, WANG Shu-hong, GAO Yang
School of Resources & Civil Engineering, Northeastern University, Shenyang 110819, China
Corresponding author: GU Xu-sheng, E-mail: neuguxusheng@126.com.

Abstract: The strata in coal mines are often distributed in layers with coexisting lithologies. The precursory indicators obtained from the study of the rock instability of a single lithology can often be challenging to apply in practical engineering. Therefore, it is important to explore the relationship between the fracture process of different lithologic rocks in a coal mine and acoustic emission(AE)parameters and establish various lithologic rock stability evaluation mechanisms based on AE parameters. In view of this, an acoustic emission monitoring system was used to measure three sequential types of lithology rocks(fine sandstone, sandy mudstone and siltstone)taken from coal seams. Through examining the correlation of AE parameters, five AE parameters with low correlation, such as energy, b-value, dominant frequency, apparent stress and apparent volume, are selected as the precursor indexes of the rock failure, and a stability evaluation system suitable for these three lithology rocks is established. The research results provide a basis for coal mine disaster early warning and prediction based on microseismic monitoring in practical engineering.
Key words: acoustic emission parametersprecursory characteristichigh energy eventstability evaluationdynamic b-value
岩石变形破坏的过程中岩石内部发生微裂隙萌生、扩展和断裂，在这个过程中以弹性波形式释放出瞬时应变能的现象即为声发射^[1](acoustic emission，AE).研究岩石材料破坏过程中的AE参数与岩石破裂间的关系，有助于进一步探明岩石材料的破坏机理.由于岩石破裂过程的尺度无关性质，使得实验室尺度下利用AE技术研究宏观工程灾害问题成为可能，并且由于可以控制介质、应力、形变、温度及边界条件等参数，使得实验室研究更具优势^[2].
近年来，****对岩石破坏过程中AE特征的研究日益增多.Meng等^[3]通过不同加载速率下加卸载的能量演化特征，揭示了岩石变形和破坏的能量演化过程.Moradian等^[4]基于在单轴压缩下花岗岩试样微观和宏观的裂纹损伤特征，分析了裂纹的变化规律.张鹏海等^[5]通过高能事件和中能事件的出现来判断岩石所处状态.对岩石破坏失稳前兆进行有效的预测，具有重要的现实意义和工程应用背景.利用AE参数变化特征作为岩石破坏前兆特征已成为了众多****们的选择.Jierula等^[6]发现AE参数之间可能存在一定的相关性，通过计算得到AE参数相关性系数矩阵，可以避免对于强相关性参数的重复计算.Wu等^[7]发现AE能率、AE振铃计数率等可作为预测岩石破坏的指标.Pei等^[8]发现b值在岩石破坏前出现了快速的下降现象，还有部分****^[9-12]开展了有关AE主频前兆信息的相关研究.
综合上述研究成果可知，目前已有众多****对AE参数与岩石破裂间的关系以及AE参数破坏前兆特征作了许多有意义的研究.然而，上述研究主要是针对某一种特定岩性岩石进行前兆特征研究.而对于煤矿开采，煤层上方往往赋存多种不同岩性的岩层，单一岩性岩石的破坏前兆特征往往难以应用于工程实际.因此，为了更好地将室内试验结果应用到现场中，需要探寻能够代表某一区域不同岩性岩石的稳定性的前兆特征指标体系，为煤矿微震监测预测预警提供基础.
本文山西省西曲煤矿煤层上方连续的三种岩性(细砂岩、砂质泥岩和粉砂岩)的岩石进行单轴压缩AE监测试验，获取岩石破裂过程的AE信息，系统性地研究岩石破裂过程中不同AE参数的变化特征.探究同时适用于三种岩性岩石的前兆特征，为实际工程中对于多岩性岩体失稳预测预警提供重要基础.
1 试验概况1.1 试样制备本次试验所采用的岩样取自山西西曲矿03号煤层上方细砂岩、砂质泥岩以及粉砂岩岩层(见表 1).将试件加工成尺寸为?70 mm×140 mm的圆柱形试件，每种试样数量为5个，分别编号为Xs-1~5, Ny-1~5和Fs-1~5.Xs表示细砂岩，Ny表示砂质泥岩，Fs表示粉砂岩.岩石完整性良好，其基本物理性质如表 2所示.试件表面光滑，没有明显缺陷，端部不平行度和不垂直度均控制在±0.02 mm以内.试件成品图如图 1所示.
表 1(Table 1)

表 1 西曲矿岩层分布Table 1 Distribution of rock layers in Xiqu coal mine 编号 厚度/m 埋深/m 岩层性质 备注 21 8.11 174.66 砂质泥岩 20 1.75 176.41 细砂岩 19 5.96 182.37 粉砂岩 亚关键层 18 0.92 183.29 03煤

表 1 西曲矿岩层分布 Table 1 Distribution of rock layers in Xiqu coal mine

表 2(Table 2)

表 2 岩石基本物理性质Table 2 Basic physical properties of rocks 岩石 弹性模量 峰值应力 密度 纵波波速 GPa MPa g·cm-3 m·s-1 细砂岩 9.25 56.93 2.42 2 424 砂质泥岩 8.22 58.67 2.38 2 105 粉砂岩 16.36 108.92 2.71 2 653

表 2 岩石基本物理性质 Table 2 Basic physical properties of rocks

图 1(Fig. 1)

图 1 岩石试样Fig.1 Rock samples (a)—细砂岩；(b)—砂质泥岩；(c)—粉砂岩.

1.2 试验设备及试验过程试验所用力学加载设备是吉林省金力试验技术有限公司生产的YAW-3000液压机，AE监测设备采用美国物理声学公司PAC生产的PCI-2型多通道AE监测系统.试验时，岩样表面布置8个AE传感器，均匀布设于距试件上下端面10 mm的试件表面，以实现AE时序参数和空间定位的实时监测.岩样和传感器接触部位涂凡士林以保证其耦合效果.AE监测系统参数设置如下：采用单通道；门槛值设为45 dB；放大增益为40 dB；采样率设置为5 MSPS.压力机以0.005 mm/s的速度进行加载，保持加载过程与AE监测同步，当加载到峰后破坏阶段结束时，停止加载.
2 实验结果及分析由于篇幅所限，本文从细砂岩、砂质泥岩和粉砂岩3类岩石试件中分别选取一个试件展开论述.所选试件编号分别为Xs-3, Ny-1和Fs-2，破坏时间分别为333.38, 246.95和271.90 s，声发射撞击数分别为136 357，7 517和18 630.
2.1 声发射参数相关性为了研究不同岩性岩石在AE传播过程中各特征参数之间的相关性，计算了AE参数的Pearson相关系数矩阵^[13-14].Pearson相关系数计算公式为

(1)

式中：r为Pearson相关系数；(X_i, Y_i)为样本点；X和Y为样本平均值；n为样本数量.
Pearson相关性系数的变化范围是[-1, 1]，正值表示两者成正比，负值表示两者成反比.相关系数的绝对值越大，表明两种特征参数之间的相关性越强.一般情况下0.8~1.0为极强相关；0.6~0.8为强相关；0.4~0.6为中等程度相关；0.2~0.4为弱相关；0~0.2为极弱相关或无相关.对三种岩样的11种AE参数进行了Pearson相关性计算，绘制了相关性系数矩阵图，见图 2.
图 2(Fig. 2)

图 2 Pearson相关性系数矩阵Fig.2 Pearson correlation coefficient matrix (a)—Xs-3试件；(b)—Ny-1试件；(c)—Fs-2试件.

从Pearson相关性系数矩阵可知，除了Xs-3试件中上升时间与绝对能量的相关系数之外，不论岩性的种类如何，上升时间、振铃计数、能量、持续时间、峰值频率、信号强度以及绝对能量这7种AE特征参数之间的相关性系数都大于0.6，具有强相关性.当其中一种系数出现爆发性增长时，其余参数也跟着出现爆发性增长，其中能量和信号强度之间的相关性系数为1，说明这两种参数完全相关.所以在研究岩石破裂过程与AE参数的关联机制时，这几种参数只需考虑一种即可.除此之外，由图 2b可知，Ny-1试件的视应力和视体积之间也存在一定的相关性，而其他两种试件没有这种现象，究其原因可能是由于其数据量过小而产生的偶然因素.所以本文对能量、b值、主频、视应力和视体积与岩石破裂过程之间的关系以及前兆特征进行研究.
2.2 能量本文从能级划分、信号数量占比和能量贡献率等角度来统计三种试件的AE监测数据，结果见表 3~表 5.表中E_s为AE能量，E_m为能级.E_s和E_m的关系为

(2)

表 3(Table 3)

表 3 Xs-3试件的能级分布表Table 3 Energy level distribution of the Xs-3 sample 能级分布 Es=0 Em=0 0 < Em < 1 1 < Em < 2 2 < Em < 3 3 < Em < 4 Em>4 信号数量 104 216 16 072 13 884 1 912 181 72 19 数量占比/% 76.43 11.79 10.18 1.41 0.13 0.05 0.01 累计能量 0 16 072 50 093 49 506 47 225 307 389 348 235 能量贡献率/% 0 1.96 6.12 6.05 5.77 37.55 42.55

表 3 Xs-3试件的能级分布表 Table 3 Energy level distribution of the Xs-3 sample

表 4(Table 4)

表 4 Ny-1试件的能级分布表Table 4 Energy level distribution of the Ny-1 sample 能级分布 Es=0 Em=0 0 < Em < 1 1 < Em < 2 2 < Em < 3 3 < Em < 4 Em>4 信号数量 6 362 507 449 89 55 46 8 数量占比/% 84.65 6.75 5.97 1.18 0.73 0.61 0.11 累计能量 0 507 1 285 2 449 21 454 128 883 380 954 能量贡献率/% 0 0.09 0.24 0.46 4.01 24.07 71.13

表 4 Ny-1试件的能级分布表 Table 4 Energy level distribution of the Ny-1 sample

表 5(Table 5)

表 5 Fs-2试件的能级分布表Table 5 Energy level distribution of the Fs-2 sample 能级分布 Es=0 Em=0 0 < Em < 1 1 < Em < 2 2 < Em < 3 3 < Em < 4 Em>4 信号数量 13 730 1 856 2 334 533 133 28 15 数量占比/% 73.70 9.96 12.53 2.86 0.72 0.15 0.08 累计能量 0 1 856 9 107 14 138 49 701 85 505 510 840 能量贡献率/% 0 0.28 1.36 2.11 7.40 12.74 76.11

表 5 Fs-2试件的能级分布表 Table 5 Energy level distribution of the Fs-2 sample

研究^[15]表明，AE高能事件的急剧增加可作为有效的灾变前兆.但目前****对于高能事件的定义以能量贡献率为主，而计算能量贡献率所需的总能量只能在岩石破裂过程结束后才可以得到，在实际工程中难以确定到底哪些事件属于高能事件，因此并不适用.而由表 3~表 5可知，三种岩石能级大于2的信号数量占比分别为0.19 %, 1.45 % 和0.95 %，而能量贡献率却达到了85.87 %, 99.21 % 和96.25 %.所以本文将2级及以上事件定义为高能事件.三种试件的能量分析如图 3~图 5所示.由图可知：
图 3(Fig. 3)

图 3 Xs-3试件能量时域变化图Fig.3 Time domain variation diagram of energy of the Xs-3 sample (a)—能率与累计能量时域变化图；(b)—高能事件时域变化图；(c)—屈服阶段放大图.

图 4(Fig. 4)

图 4 Ny-1试件能量时域变化图Fig.4 Time domain variation diagram of energy of the Ny-1 sample (a)—能率与累计能量时域变化图；(b)—高能事件时域变化图；(c)—屈服阶段放大图.

图 5(Fig. 5)

图 5 Fs-2试件能量时域变化图Fig.5 Time domain variation diagram of energy of the Fs-2 sample (a)—能率与累计能量时域变化图；(b)—高能事件时域变化图；(c)—屈服阶段放大图.

1) 对于Fs-2试件来说，在2.7 % 峰值应力处发生应力突降，出现了AE能率明显增加的现象.首个2级高能AE事件也出现在低应力水平，但此时应力过低，只有3.0 MPa，可以判断出发生了局部损伤.该局部损伤并未改变岩石内部裂纹演化的一般规律，并且随着应力的增高，该试件在破坏前重新出现2级高能AE事件，因此该局部损伤并不能影响该岩石高能事件的破坏前兆.
2) AE能率在压密阶段逐渐降低，在弹性阶段初期达到最低值，而后经历平静期，变化缓慢.其中Xs-3试件所经历平静期较短，在弹性阶段后期以及屈服阶段AE能率开始逐渐上升，并且在上升的过程中出现急剧增长，该增长可作为岩石的破坏前兆特征.三种试件AE能率的前兆时间节点分别为297, 216和244 s.
3) 累计能量阶段性变化明显，三种试件在压密阶段的前半段累计能量能级由0级分别迅速增加到4级、3级和4级，然后在压密阶段后期和弹性阶段经历平静期，非常稳定地保持在此量级，并在屈服阶段开始出现爆发性增长，该增长即可作为岩石的破坏前兆.三种试件的累计能量的前兆变化时间节点分别为296.93, 215.81和243.15 s.
4) 三种试件的单个高能事件能级均不超过5级，在应力出现拐点时声发射高能事件成群出现，具有很好的对应关系.除了Fs-2试件发生的局部损伤产生的数个高能事件之外，其余高能事件皆在屈服阶段产生，并且能级越高出现的时间越滞后.在屈服阶段出现第一个拐点之前，存在非成群出现的2级高能事件，该2级高能事件的出现即可作为岩石的破坏前兆.三种试件在屈服阶段出现高能事件的时间节点分别为296.93，215.81和236.26 s.
2.3 动态b值b值是AE试验中非常重要的一个参数，其物理意义为岩石破裂过程中AE小震级事件数与大震级事件数的比值，可以反映岩石的破裂过程^[16].随时间变化的动态b值能够更好地反映不同加载阶段岩石内部破裂的变化状态.本文将加载过程按应力达到的水平划分为11个阶段，分别为(0~10 %)，(0~20 %)，(0~30 %)，(0~40 %)，(0~50 %)，(0~60 %)，(0~70 %), (0~80 %)，(0~90 %)和(0~100 %)峰值应力以及峰值应力后.根据上述分析结果，求取各应力阶段的累积b值，可以分析不同应力阶段下岩石内部的损伤情况及b值的变化特征.b值计算方法采用累计频度法、最小二乘法以及滑动窗口法，窗口长度为数据长度，滑动长度为0，震级分档个数为20.发现三种试件的峰值应力分别在达到100 %, 90 % 和80 % 最大值后开始下降.为了找到更为精确的岩石破裂时间节点，计算三种岩石分别从90 %，80 % 和70 % 峰值应力处之后所有时刻的动态b值，结果如图 6所示.由图可知，三种试样整体变化趋势相同，随着应力的增大，动态b值整体先增大后减小，并且在达到最高点后迅速减小，所以三种岩石的动态b值的突然下降可以作为岩石破坏的前兆特征.三种岩石的破坏前兆时间节点分别为295.81, 220.06和236.26 s.
图 6(Fig. 6)

图 6 动态b值的时域变化图Fig.6 Time domain variation diagram of dynamic b value (a)—Xs-3试件；(b)—Ny-1试件；(c)—Fs-2试件.

2.4 主频主频的计算采用滑动窗口法，由于三种岩石的AE事件数量差异较大，所以不同岩石采用不同的窗口.Xs-3试件窗口长度为3 000，滑动距离为2 000；Ny-1试件窗口长度为500，滑动距离为500；Fs-2试件窗口长度为500，滑动距离为500.计算结果对应的时间为窗口中最后一个撞击的撞击时刻.主频随时间的变化如图 7所示.
图 7(Fig. 7)

图 7 主频时域变化图Fig.7 Time domain variation diagram of dominant frequency (a)—Xs-3试件；(b)—Ny-1试件；(c)—Fs-2试件.

由图可知，对于所有岩石试件，主频随着应力的增加均会在压密阶段和弹性阶段初期持续上升，并在弹性阶段后期或屈服阶段前期达到最大值.分别取最大值节点左右两个窗口进行更精确的滑动窗口计算.Xs-3试件取滑动窗口为100，滑动距离为50；Ny-1试件取滑动窗口为100，滑动距离为1；Fs-2试件取滑动窗口为100，滑动距离为1.所得结果见图 7中曲线.由图可知，三种试件的破坏前兆时间节点分别为269.14，203.70和204.00 s.
2.5 视应力与累计视体积在地震学中，视体积和视应力是描述地震孕育过程的两个重要参数，经常被用来描述地震发生前岩体的变化规律^[17].
视应力σ_A为震源单位非弹性应变区岩体的辐射微震能，计算公式为^[18]

(3)

式中: E为辐射微震能；μ为剪切模量，在这里并不影响视应力的变化趋势，三种岩石均取1 GPa；M₀为地震矩.
地震矩M₀的计算公式为

(4)

式中: C为地震标度，取常数3/2;M为震级.
震级M的计算公式为^[19]

(5)

式中: k为该声发射定位事件中接收到信号的传感器数量；r_i为声发射事件距第i个传感器的距离；A_imax为第i个传感器接收到波形的最大振幅.该式计算的值实际上是在半径10 mm的参考球面上计算的，其原点位于AE位置，假设AE事件产生球面波且传播过程为弹性传播.
视体积V_A表示震源非弹性变形区岩体的体积，是一个比较稳定的参数，计算公式为

(6)

本文将其应用到AE监测中，并根据累计视体积与视应力率的变化获取岩石破坏发生前的前兆信息与规律.
从图 8可以看出，对于这三种岩石来说，视应力率在压密阶段前期发生微小波动，随后进入平静期，变化较小，在弹性阶段后期和屈服阶段前期开始逐渐上升，此时出现的视应力率的爆发性增长即可作为岩石破坏的前兆特征.三种岩石的视应力率破坏前兆节点分别为297, 224和244 s.累计视体积随着应力的增加逐渐增加，在屈服阶段时，开始出现剧增，此剧增可以作为岩石破坏的前兆特征.三种试样的累计视体积破坏前兆时间节点分别为315.07, 223.94和236.26 s.
图 8(Fig. 8)

图 8 视应力与累计视体积时域变化图Fig.8 Time domain variation of apparent stress and cumulative apparent volume (a)—Xs-3试件；(b)—Ny-1试件；(c)—Fs-2试件.

2.6 声发射参数破坏前兆指标分析从以上实验结果来看，不同AE参数在岩石临破坏失稳前表现出不同的前兆特征：累计能量、AE能率、视应力率以及累计视体积的前兆现象是出现了突增，AE能量的前兆特征是出现了高能事件，而动态b值以及主频的前兆特征则是参数的突然下降.综合岩石试件各AE参数的前兆特征出现顺序、时间、相应阶段以及其平均出现顺序和时间汇总于表 6中.表中第一个“-”前的数字代表参数前兆特征出现的顺序，中间的数字代表参数前兆特征出现的具体时间，第二个“-”后的汉字代表参数前兆特征出现的岩石破坏阶段.
表 6(Table 6)

表 6 各前兆出现顺序、时间以及裂纹扩展阶段Table 6 Occurrence sequence, time and crack propagation stage of each precursor 试件 能率 累计能量 高能事件 动态b值 主频 视应力率 累计视体积 Xs-1 3-363 s-屈 2-362.92 s-屈 2-362.92 s-屈 2-362.92 s-屈 1-361.54 s-屈 4-364 s-屈 2-362.92 s-屈 Xs-2 4-275 s-屈 3-274.00 s-屈 2-266.24 s-屈 2-266.24 s-屈 1-260.61 s-屈 5-276 s-屈 3-274.00 s-屈 Xs-3 4-297 s-屈 3-296.93 s-屈 3-296.93 s-屈 2-295.81 s-屈 1-269.14 s-弹 4-316 s-屈 5-315.07 s-屈 Xs-4 6-240 s-屈 5-239.70 s-屈 4-234.92 s-屈 4-234.92 s-屈 1-225.67 s-屈 3-235 s-屈 2-234.56 s-屈 Xs-5 5-345 s-屈 4-344.37 s-屈 4-344.37 s-屈 4-344.37 s-屈 1-331.15s -弹 3-341 s-屈 2-340.68 s-屈 Xs平均 5-304.00 s 4-303.58 s 3-301.08 s 2-300.85 s 1-289.62 s 7-306.40 s 6-305.45 s Fs-1 3-186 s-屈 2-185.07s -屈 2-185.07s-屈 2-185.07 s-屈 1-184.74s-屈 5-210 s-屈 4-209.70 s-屈 Fs-2 4-244 s-屈 3-243.15 s-屈 2-236.26 s-屈 2-236.26 s-屈 1-204.00 s-弹 4-244 s-屈 2-236.2 6s-屈 Fs-3 2-285 s-屈 1-284.27 s-屈 1-284.27 s-屈 1-284.27 s-屈 1-284.27 s-屈 2-285s-屈 1-284.27 s-屈 Fs-4 4-448 s-屈 3-447.31 s-屈 3-447.31 s-屈 2-440.84 s-屈 1-430.81 s-屈 6-464 s-屈 5-463.26 s-屈 Fs-5 5-306 s-屈 4-305.50 s-屈 4-305.50 s-屈 4-305.50 s-屈 1-294.90 s-屈 3-296 s-屈 2-295.33 s-屈 Fs平均 5-293.80 s 4-293.06 s 3-291.68 s 2-290.39 s 1-279.74 s 7-299.80 s 6-297.76 s Ny-1 3-216 s-屈 2-215.81 s-屈 2-215.81 s-屈 4-220.06 s-屈 1-203.70 s-屈 6-224 s-屈 5-223.94 s-屈 Ny-2 4-261 s-屈 3-260.78 s-屈 2-241.02 s-屈 2-241.02 s-屈 1-237.52 s-屈 4-261 s-屈 5-267.62s-屈 Ny-3 3-297 s-屈 2-296.13 s-屈 2-296.13 s-屈 2-296.13 s-屈 1-277.66 s-屈 3-297 s-屈 2-296.13s-屈 Ny-4 4-150 s-屈 2-149.20 s-屈 2-149.20 s-屈 2-149.20 s-屈 1-148.75 s-屈 4-150 s-屈 3-149.31s-屈 Ny-5 3-311 s-屈 2-310.06 s-屈 2-310.06 s-屈 4-312.56 s-屈 1-302.69 s-屈 3-311 s-屈 2-310.06 s-屈 Ny平均 5-247.00 s 4-246.40 s 2-242.44 s 3-243.79 s 1-234.06 s 6-248.60 s 7-249.41 s

表 6 各前兆出现顺序、时间以及裂纹扩展阶段 Table 6 Occurrence sequence, time and crack propagation stage of each precursor

根据AE参数的破坏前兆与岩石破坏阶段间的关系，可以对岩石试样稳定性进行评价，结果如图 9所示.
图 9(Fig. 9)

图 9 基于声发射参数的岩石稳定性评价Fig.9 Rock stability evaluation based on AE parameters

从表 6中可以看出，最先出现前兆特征的参数是主频，出现在弹性阶段末期和屈服阶段初期，当前岩性相对稳定，因此将主频出现前兆现象可作为岩石试样稳定性较高的标志，为蓝色预警.动态b值的突降和高能事件出现在屈服阶段初期，可作为岩石试样稳定性一般的标志，为黄色预警.能率和累计能量的突增集中在屈服阶段的初期，作为岩石试样稳定性较差的标志，为橙色预警.视应力率和累计视体积的突增主要出现在屈服阶段中期，作为岩石试样稳定性很差的标志，为红色预警.
3 结论1) 对三种岩性岩石单轴压缩过程中的11种AE参数进行了相关性分析，发现上升时间、振铃计数、能量、持续时间、峰值频率、信号强度以及绝对能量这7种参数之间具有强相关性，同时具有相同的变化趋势.
2) 不同AE参数在岩石破坏失稳前表现出不同的前兆特征：累计能量、能率、视应力率以及累计视体积的前兆特征是出现了突增，AE能量的前兆特征是出现了高能事件，而动态b值以及主频的前兆特征则是突降.
3) 对不同AE参数前兆特征的出现顺序进行综合分析，得出适用于本文所选取三种岩性岩石试样的稳定性评价指标: 主频突降表示岩石试样稳定性较高，为蓝色预警；动态b值突降和高能事件出现表示岩石试样稳定性一般，为黄色预警；能率和累计能量的突增表示岩石试样稳定性较差，为橙色预警；视应力率和累计视体积的突增表示岩石试样稳定性很差，为红色预警.
参考文献

[1]	Lockner D. The role of acoustic emission in the study of rock fracture[J]. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts, 1993, 30(7): 883-899.
[2]	李核归, 张茹, 高明忠, 等. 岩石声发射技术研究进展[J]. 地下空间与工程学报, 2013, 9(sup1): 1794-1804. (Li He-gui, Zhang Ru, Gao Ming-zhong, et al. Advances in technology of acoustic emission of rock[J]. Chinese Journal of Underground Space and Engineering, 2013, 9(sup1): 1794-1804.)
[3]	Meng Q B, Zhang M W, Han L J, et al. Effects of acoustic emission and energy evolution of rock specimens under the uniaxial cyclic loading and unloading compression[J]. Rock Mechanics and Rock Engineering, 2016, 49(10): 3873-3886. DOI:10.1007/s00603-016-1077-y
[4]	Moradian Z, Einstein H H, Ballivy G. Detection of cracking levels in brittle rocks by parametric analysis of the acoustic emission signals[J]. Rock Mechanics & Rock Engineering, 2016, 49(3): 785-800.
[5]	张鹏海, 杨天鸿, 徐涛, 等. 蚀变花岗片麻岩破坏过程中声发射事件的演化规律[J]. 岩土力学, 2017, 38(8): 2189-2197. (Zhang Peng-hai, Yang Tian-hong, Xu Tao, et al. The evolution law of acoustic emission events during the fracture process of altered granite gneiss[J]. Rock and Soil Mechanics, 2017, 38(8): 2189-2197.)
[6]	Jierula A, Oh T M, Wang S H, et al. Detection of damage locations and damage steps in pile foundations using acoustic emissions with deep learning technology[J]. Frontiers of Structural and Civil Eigineering, 2021, 15(2): 318-332. DOI:10.1007/s11709-021-0715-y
[7]	Wu X Z, Liu J W, Liu X X, et al. Study on the coupled relationship between AE accumulative ring-down count and damage constitutive model of rock[J]. Journal of Mining & Safety Engineering, 2015, 32(1): 28-34.
[8]	Pei F, Ji H, Zhang T. Detection of cracking levels in granite by AE signals under uniaxial compression[J]. Geotechnical and Geological Engineering, 2019, 37(4): 2565-2576. DOI:10.1007/s10706-018-00778-w
[9]	Lu C P, Liu Y, Liu G J, et al. Stress evolution caused by hard roof fracturing and associated multi-parameter precursors[J]. Tunnelling and Underground Space Technology, 2019, 84: 295-305. DOI:10.1016/j.tust.2018.11.031
[10]	Triantis D. Acoustic emission monitoring of marble specimens under uniaxial compression.Precursor phenomena in the near-failure phase[J]. Procedia Structural Integrity, 2018, 10: 11-17. DOI:10.1016/j.prostr.2018.09.003
[11]	Su G S, Gan W, Zhai S B, et al. Acoustic emission precursors of static and dynamic instability for coarse-grained hard rock[J]. Journal of Central South University, 2020, 27(10): 2883-2898. DOI:10.1007/s11771-020-4516-6
[12]	Zhu J, Deng J H, Huang Y M, et al. Influence of water on the fracture process of marble with acoustic emission monitoring[J]. KSCE Journal of Civil Engineering, 2019, 23(7): 3239-3249. DOI:10.1007/s12205-019-0172-5
[13]	Rodgers L, Nicewander W A. Thirteen ways to look at the correlation coefficient[J]. The American Statistician, 1988, 42(1): 59-66.
[14]	Stigler S M. Francis Galton's account of the invention of correlation[J]. Statistical Science, 1989, 4(2): 73-79.
[15]	姚旭龙, 张艳博, 刘祥鑫, 等. 岩石破裂声发射关键特征信号优选方法[J]. 岩土力学, 2018, 39(1): 375-384. (Yao Xu-long, Zhang Yan-bo, Liu Xiang-xin, et al. Optimization method for key characteristic signal of acoustic emission in rock fracture[J]. Rock and Soil Mechanics, 2018, 39(1): 375-384.)
[16]	刘希灵, 刘周, 李夕兵, 等. 单轴压缩与劈裂荷载下灰岩声发射b值特性研究[J]. 岩土力学, 2019, 40(sup1): 267-274. (Liu Xi-ling, Liu Zhou, Li Xi-bing, et al. Acoustic emission b-values of limestone under uniaxial compression and Brazilian splitting loads[J]. Rock and Soil Mechanics, 2019, 40(sup1): 267-274.)
[17]	赵永, 杨天鸿, 张鹏海, 等. 基于微震监测的露天坑底采空区劣化过程分析[J]. 采矿与安全工程学报, 2018, 35(3): 575-581. (Zhao Yong, Yang Tian-hong, Zhang Peng-hai, et al. Research of deterioration process of goaf in open pit bottom based on microseismic monitoring[J]. Journal of Mining & Safety Engineering, 2018, 35(3): 575-581.)
[18]	Cai M, Kaiser P K, Martin C D. A tensile model for the interpretation of microseismic events near underground openings[J]. Pure and Applied Geophysics, 1998, 153(1): 67-92.
[19]	Zang A, Wagner F C, Stanchits S, et al. Source analysis of acoustic emissions in Aue granite cores under symmetric and asymmetric compressive loads[J]. Geophysical Journal of The Royal Astronomical Society, 2010, 135(3): 1113-1130.