《International Journal of Rock Mechanics and Mining Sciences》：Influence of laser parameters on rock damage: an experimental exploration and machine learning-based predictive modeling
编辑推荐：
激光岩破参数对花岗岩破碎效果的影响及神经网络优化模型研究。
马正国|张春顺|刘一伟|叶彤|潘海增
武汉大学土木工程学院，中国武汉，430072
摘要
激光破岩技术是一种非机械接触方法，因其减少工具磨损、高精度以及提高硬岩破碎效率而受到关注。然而，当前的研究缺乏对激光参数如何影响破岩效果的全面理解，特别是激光照射后岩石强度的变化以及预测优化模型的发展。为了解决这些问题，本研究使用定制的激光照射和花岗岩样品间接拉伸测试平台，系统分析了激光功率（P）、照射时间（t）、光斑形状尺寸（S）和照射距离（d）对破岩效果的影响。采用正交试验和等效能量试验方案来测量和表征这些参数。利用反向传播神经网络（BPNN）和非支配排序遗传算法II（NSGA-II）开发了一个预测优化模型，以质量比能量和间接拉伸强度作为优化目标。正交试验结果表明参数的重要性顺序为 P > t > S > d，最优组合为 P = 1000 W，t = 16 s，S = D2（直径2毫米的圆形光斑），d = 40毫米。等效能量试验表明，在激光能量恒定的情况下，适中的激光功率和照射时间可以优化破岩效果。本研究科学地阐明了激光参数对破岩和强度衰减的非线性调节机制；BPNN-NSGA-II框架能够实现准确预测和优化，从而提高效率并降低能耗，为实际应用提供可靠指导。
引言
激光破岩技术作为一种新兴的非机械接触方法，近年来在岩石岩土工程领域受到了广泛关注。通过将高能激光束聚焦在岩石表面，该技术能够引发热断裂、熔化和汽化，从而实现高效破岩。与传统方法相比，它减少了工具磨损，并提高了硬岩破碎的效率和精度。这些优势使其成为石油钻探、隧道建设和采矿等领域的有前景的技术。鉴于其潜力，激光破岩已成为研究的重点，学者们正在进行大量研究以探索其机制并优化其应用。
在激光破岩的数值模拟中，已经开发了多种技术来探索激光与岩石的相互作用机制，包括多物理场耦合、有限元方法（FEM）、离散元方法（DEM）、有限差分方法（FDM）及其扩展，以及4D晶格弹簧模型（4D-LSM）。这些方法各有优势：多物理场耦合适用于相变分析，FEM适用于热坑形成模拟，DEM适用于微裂纹传播特性研究。然而，它们也存在一些局限性。首先，大多数模型假设岩石是均匀的，忽略了自然存在的微裂纹和矿物学界面不均匀性，导致与实验观察结果存在偏差。其次，现有数值研究缺乏对强度衰减的探讨；现有研究主要集中在裂纹传播上，很少将激光参数与照射后的岩石强度联系起来，从而阻碍了面向工程的岩石弱化实践的指导。由于数值预测与实验结果之间存在差异，实验研究对于探究激光参数对破岩效果的影响仍然不可或缺。
关于激光破岩的实验研究提供了关键见解，发现激光功率、光斑直径和照射角度是关键影响因素。具体而言，高功率可以提高穿孔速率和深度，而光斑直径和照射角度可以调节页岩中的温度场和裂纹传播。不同类型的岩石表现出不同的响应：花岗岩的表面温度和热梯度最高，其次是砂岩和石灰岩。激光照射会导致岩石性质的变化，包括弹性模量和硬度的降低，以及孔隙率的增加，这些变化与矿物组成和微观结构相关。热损伤函数有助于评估这种退化，优化辅助气体冲洗和激光脉冲参数可以进一步提高效率。总体而言，这些实验阐明了相互作用机制，并为工程应用提供了基础。正交试验也被用于破岩研究：它们分析了切割角度、功率、照射时间和光斑半径对破岩效率和工具磨损的影响，验证了破岩体积和槽面积的回归模型，校验了槽深度预测方程，并研究了槽辅助冲击破岩效果。然而，大多数现有的正交研究仅验证了分析或数值解，缺乏对最佳激光参数组合的探索以及对激光参数引起的岩石损伤的预测。
为了预测破岩效果，机器学习（ML）已成为一种新的方法。例如，基于人工神经网络和数据挖掘的模型对冲击锤性能的预测准确率达到了R > 0.85；通过网格搜索和遗传算法优化的极端梯度提升模型量化了岩石强度、凿子几何形状和切割力之间的相关性。ML还提高了隧道掘进机（TBM）的性能预测：通过全尺寸测试（例如，针对花岗岩和砂岩的半理论模型）开发了集成模型，XGBoost-Bagging混合模型预测了TBM的掘进速率。对于泥浆录井约束下的抗压强度，模型使用了多层感知器或随机森林等算法；此外，ML框架还校准了不同岩石类型的有限离散方法的数值参数。这些进展突显了ML在提高破岩效率方面的作用，为激光破岩研究提供了新的方法。
总之，当前研究尚未完全揭示激光参数对岩石损伤的影响，尤其是激光照射后岩石强度的衰减。此外，激光破岩的预测和优化模型也尚未建立。因此，本研究构建了一个激光破岩测试平台，并选择了二郎山隧道中的花岗岩进行激光照射和间接拉伸测试。采用正交试验和等效能量试验方案来测量和表征影响破岩效果的参数。然后利用反向传播神经网络和非支配排序遗传算法II开发了一个预测和优化模型，以质量比能量和间接拉伸强度作为优化目标。实验验证证实了模型的准确性和可靠性。本研究提供了新的方法和工具，以提高破岩效率、降低成本，并促进激光破岩技术在工程中的实际应用。
部分摘录
花岗岩样品
花岗岩样品取自中国四川省甘孜藏族自治州二郎山隧道附近，如图1所示。岩石样品的主要矿物成分包括钠长石（57.66%）、黑云母（7.26%）、绿泥石（0.98%）、微斜长石（12.09%）和石英（7.26%）。在测试之前，岩石样品被加工成直径50毫米、高度25毫米的巴西拉伸强度（BTS）标准试样，这些试样来自完整的花岗岩芯。
正交试验结果与分析
在本节中，使用正交实验方法研究和分析每个因素对不同指标的影响趋势及其影响程度的重要性，并在本文的激光破岩正交实验条件下得出最佳参数组合。此外，还通过控制变量方法研究了不同重要因素水平对激光破岩性能的影响。
等效能量试验结果与分析
等效能量激光破岩试验和ITTs与之前的正交试验结果类似，此处不再重复，仅分析不同参数对不同指标的影响。预测模型与参数优化
通过正交试验和等效能量试验分析了不同参数对各种指标的影响及其重要性。在本节中，利用测试数据利用机器学习技术开发了激光破岩预测模型。此外，还采用了多目标优化算法来优化激光破岩参数。结论
为了解决现有研究中的不足，如对激光破岩参数重要性分析不足以及缺乏可靠的岩石强度衰减预测优化模型，本研究通过正交试验、等效能量试验和间接拉伸试验（ITTs）系统探讨了激光功率（P）、照射时间（t）、光斑形状尺寸（S）和照射距离（d）的影响，然后开发了一个BPNN-NSGA-II集成模型（优化目标：质量比能量MSE）。
CRediT作者贡献声明
马正国：撰写——原始草稿、方法论、数据整理。张春顺：撰写——审稿与编辑、方法论。刘一伟：撰写——审稿与编辑。叶彤：撰写——审稿与编辑。潘海增：概念构思。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本研究得到了国家自然科学基金（NSFC，编号：52278367）和国家关键实验室水灾害防治 Belt and Road 特别基金（编号：2024nkms08）的支持。
