研究表明,天然岩体内部发育着方向、规模、形态不一的结构面。岩体的失稳往往是岩体沿着内部的结构面破坏,故对岩体结构面力学性质的研究逐渐成为国内外学者研究的热点。由于岩体结构面本身存在尺寸效应,需要利用岩体结构面统计方法在大尺寸结构面上获取若干不同尺度的小尺寸结构面试样进行实验分析。但在实际的实验过程中,往往会面临大量的小尺寸结构面试样,若能从结构面试样中选取少量具有代表性的试样进行实验,将会极大降低实验的人力、物力。因此,对岩体结构面试样代表性取样方法的研究很有必要。此外,岩体结构面统计方法是岩体结构面试样代表性取样的原始数据获取方法,对代表性取样的结果有着重要影响。同时,岩体结构面粗糙度系数值（JRC）作为JRC-JCS模型中的重要参数,决定着岩体结构面抗剪强度值,是评价结构面统计效果、岩体结构面试样代表性取样结果是否合理的重要评价指标。由于本论文获取的轮廓曲线形貌信息数据矩阵数据点间隔具有不可控性,而目前传统JRC参数公式往往只适应特定的采样间距值。因此无法准确计算各结构面轮廓曲线的JRC值。故在对结构面试样代表性取样进行研究之前,需先对现有结构面统计方法进行分析,选取一种科学的结构面统计方法,并建立一种适合多种采样间距值的JRC计算模型。鉴于此,本论文开展了以下研究工作:（1）通过分析目前主流的岩体结构面统计方法的优缺点,选择统计效果较优的推叠统计法作为岩体结构面试样代表性取样的原始样本数据的获取方法。并基于MATLAB程序平台编写了推叠统计法的统计程序,提高工作效率。同时在基于与传统JRC参数公式对推叠取样法参数敏感性及合理性进行分析时,发现传统JRC参数公式在计算轮廓曲线JRC值无法适应采样间距值发生变化。由于本文通过对轮廓曲线高清扫描图进行数字化处理获取的轮库曲线形貌信息数据矩阵的数据步长,即采样间距值具有不可控性,导致传统的JRC参数公式无法准确计算轮廓曲线样本的JRC值。这将为后续研究造成阻碍,因此需要建立一种适用于各种采样间距值的JRC计算模型。（2）建立多种采样间距值的JRC自适应模型。传统JRC参数公式值只适应与特定的采样间距值,无法准确计算本论文获取的轮廓曲线样本的JRC值。鉴于此,通过分析Barton提出的10条标准粗糙度轮廓曲线Z₂与?x之间的变化关系,拟合出Z₂值差值的平均值（?）关于?x之间的自适应函数。利用自适应函数对JRC-Z₂参数公式进行修正,并在此基础上进一步进行偏移、旋转修正,从而建立适用多种采样间距值的JRC自适应模型。经验证,当?x在一定范围内变化时,该模型仍能保证计算精度。最后,利用该模型计算各样本与轮廓曲线整体的JRC计算值,通过比较两者之间的误差随参数值d、?d的变化关系,分析了推叠取样法的参数敏感性及合理性。（3）提出基于K-中心点聚类算法的岩体结构面试样代表性取样方法。利用简易纵剖面仪获取均匀覆盖在结构面上的若干轮廓曲线,并利用工程扫描仪获取其高清扫描图。在对图像进行数字化处理之后,采用推叠统计法对各轮廓曲线进行统计,获取结构面试样代表性取样研究的原始数据。计算各样本轮廓曲线Z₂、（Rp-1）值,并对其进行统计分析。考虑Z₂与（Rp-1）之间的数值大小关系,采用Z₂、（Rp-1）的无量纲值Z₂^′、（Rp-1）^′作为各样本轮廓曲线的特征值。之后对样本集进行K-中心点聚类,并找到聚类中心对应的轮廓曲线作为样本集的代表性轮廓曲线。经验证,基于K-中心点聚类算法的岩体结构面试样代表性取样所获取的代表性轮廓曲线的特征值均值与JRC均值与样本总体的特征值均值和JRC均值的误差随着K值的增大,逐渐稳定在5%以内。在K大于一定值后,该方法获取的代表性试样的代表性强度及该方法的合理性均能满足要求。