[发明专利]一种基于纳米压痕和数值模拟反演岩石矿物参数的方法

权利要求书

1.一种基于纳米压痕和数值模拟反演岩石矿物参数的方法，其特征在于，包括以下步骤：

(1)在岩石表面选择不同矿物进行纳米压痕测试，获得不同矿物的荷载-位移曲线、弹性模量和硬度；

(2)基于数值模拟方法建立纳米压痕试验的数值模型；考虑岩石矿物的弹性模量和硬度，通过Mohr-Coulomb模型或Drucker-Prager模型来描述岩石矿物的强度特性；

其中，岩石矿物的弹性模量和硬度由以下公式进行计算得出：

式中：S为卸载曲线上端弹性阶段的曲线斜率，指代被测矿物的弹性接触刚度，单位mN/μm；h_c为压痕接触深度，单位μm；h_max为最大压痕深度，单位μm；ε为与压头形状有关的常数，对于常用的Berkovich压头，取0.75；H为被测矿物的硬度，单位GPa；P为压入荷载，单位mN；P_max为最大压入荷载，单位mN；A_c为接触区域的投影面积，单位μm²；E_r为折算弹性模量，单位GPa；β为压头校正系数，对于常用的Berkovich压头，取1.034；E_i为金刚石压头的弹性模量，取值为1140GPa；v_i为金刚石压头的泊松比，取值为0.07；E为被测矿物的弹性模量，单位GPa；v为被测矿物的泊松比，石英、长石、云母的泊松比分别取0.2、0.2、0.3；

(3)采用均匀设计法构建岩石矿物力学参数多因素多水平的数值试验方案，通过修改数值模型的输入参数，获得至少40组能够反映岩石矿物力学参数与荷载-位移曲线关系的数值模拟数据；

(4)利用步骤(3)中的数值模拟数据构建人工神经网络模型，随机选取数值模拟数据的70％为训练样本进行人工神经网络模型的训练，剩余30％的数据作为验证样本；经训练和验证后，获得反映岩石矿物力学参数与荷载-位移曲线之间的定量映射关系；

其中，建立数值模型时的输入参数包括4个参数：弹性模量E，以及Mohr-Coulomb模型中的粘聚力c、内摩擦角和剪胀角ψ；输出参数为纳米压痕荷载-位移曲线上500nm压深时的荷载值F₁、1000nm压深时的荷载值F₂以及荷载卸载后的残余位移U₀；

(5)基于神经网络模型，以数值计算得到的荷载-位移数据与纳米压痕试验测试得到的荷载-位移数据之间差异最小为寻优目标，通过优化搜索算法获得的最优解即为岩石矿物的力学参数；

所述优化搜索算法中的目标函数如公式(7)所示，

式中：F_1ANN、F_2ANN和U_0ANN分别为由神经网络模型得到的500nm、1000nm压深时的荷载值和荷载卸载后的位移值；F₁、F₂和U₀分别为对应的纳米压痕试验数据；

优化搜索算法的寻优参数区间根据数值模拟时输入参数的取值范围进行确定；当Error最小时，所得的输入参数为最优输入参数。

2.根据权利要求1所述的方法，其特征在于，还包括将步骤(5)得到的岩石矿物力学参数再输入到步骤(2)所述数值模型中，将计算得到的荷载-位移曲线与纳米压痕试验数据对比，验证反演结果的可靠性。

3.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，先对岩石样品进行如下处置：将要进行纳米压痕试验的岩样切割成为长方体薄片，然后在真空中进行环氧树脂封装，静置24h后再进行打磨、抛光处理，使岩样表面光滑平整。

4.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，数值模拟方法是指有限元法或有限差分法。