<div>
	Мониторинг инфильтрационных процессов в гидротехнических сооружениях с использованием распределенного акустического сенсора</div>

Тимофеев Андрей Владимирович, Грознов Денис Игоревич

doi:10.17586/2226-1494-2022-22-3-610-622

2022 , ТОМ 22, НОМЕР 3 ( май-июнь )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2022-22-3-610-622

УДК 004.852

Мониторинг инфильтрационных процессов в гидротехнических сооружениях с использованием распределенного акустического сенсора

Тимофеев А.В., Грознов Д.И.

Читать статью полностью

Язык статьи - английский

Ссылка для цитирования:

Тимофеев А.В., Грознов Д.И. Мониторинг инфильтрационных процессов в гидротехнических сооружениях с использованием распределенного акустического сенсора // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 3. С. 610–622 (на англ. яз.). doi: 10.17586/2226-1494-2022-22-3-610-622

Аннотация

Предмет исследования. Предложен новый метод мониторинга инфильтрационных процессов, развивающихся внутри тела гидротехнических сооружений. Метод основан на использовании оптоволоконной технологии DAS (distributed acoustic sensing). Данная технология обеспечивает высокую пространственную сплошность анализа сейсмоакустического поля сооружения; цифрового двойника динамики инфильтрационных процессов и эффективных методов обработки сигналов, основанных на машинном обучении (machine learning — ML). Метод. В качестве распределенного сенсора сейсмоакустического поля объекта использована DAS-система, оптоволоконный сенсор которой инсталлирован внутри тела сооружения по принципу максимального охвата. Инфильтрационная активность внутри тела сооружения оценена по совокупности обнаруженных и классифицированных методами машинного обучения инфильтрационных потоков, которые являются источниками сейсмоакустической эмиссии и поэтому уверенно детектируются DAS-системой. Цифровой двойник динамики инфильтрационных процессов, основанный на уравнениях математической физики, использован в качестве нормальной базы при оценке текущего состояния активности флюидов в теле сооружения. Риск разрушения сооружения под воздействием инфильтрационного потока оценен в рамках предложенного, формального метода, основанного на полученных данных цифрового двойника. Основные результаты. На основании анализа базы данных сигналов, состоящей из реальных сигналов инфильтрационных процессов, доказана высокая эффективность детекции и классификации сигналов данного типа при помощи ML-классификатора, входящего в состав системы мониторинга. Предложен цифровой двойник динамики инфильтрационных процессов в теле гидросооружения. На основе использования этой модели предложен метод оценки риска повреждения тела гидротехнического сооружения, которое может произойти в результате реализовавшейся инфильтрационной активности. Практическая значимость. Метод контроля инфильтрационных процессов внутри гидротехнических сооружений может быть использован для мониторинга оперативного состояния практически любых гидротехнических сооружений, в том числе в криолитозоне.

Ключевые слова: DAS, инфильтрационный процесс, машинное обучение, классификация, гидротехническое сооружение, мониторинг хвостохранилищ, мониторинг дамб, SVM, цифровой двойник, криолитозона, уравнение Дарси

Список литературы

Сухно А.М., Хлапов Н.Н. Автоматизированная система мониторинга на хвостохранилище Айхальского ГОКЕ // Горный журнал. 2008. № 5. С. 65–68.
Бесимбаева О.Г., Хмырова Е.Н., Логинов А.В., Олейникова Е.А. Мониторинг состояния дамбы хвостохранилища намывного типа// Интерэкспо ГЕО-Сибирь. 2017. Т. 1. № 1. С. 125–129.
Аравин В.И., Нумеров С.Н. Теория движения жидкостей и газов в недеформируемой пористой среде. М.: Государственное издательство технико-теоретической литературы, 1953. 616 с.
Timofeev A.V., Groznov D.I. Classification of seismoacoustic emission sources in fiber optic systems for monitoring extended objects // Optoelectronics, Instrumentation and Data Processing. 2020. V. 56. N 1. P. 50–60. https://doi.org/10.3103/S8756699020010070
Timofeev A.V., Denisov V.M. Multimodal heterogeneous monitoring of super-extended objects: Modern view // Studies in Systems, Decision and Control. 2016. V. 62. P. 97–116. https://doi.org/10.1007/978-3-319-32525-5_6
Becker M., Coleman T., Ciervo C., Cole M., Mondanos M. Fluid pressure sensing with fiber-optic distributed acoustic sensing // Leading Edge. 2017. V. 36. N 12. P. 1018–1023. https://doi.org/10.1190/tle36121018.1
Liu X., Jin B., Bai Q., Wang Y., Wang D., Wang Y. Distributed fiber-optic sensors for vibration detection // Sensors. 2016. V. 16. N 8. P. 1164. https://doi.org/10.3390/s16081164
Wang Y., Jin B., Wang Y., Wang D., Liu X., Bai Q. Real-time distributed vibration monitoring system using Φ -OTDR // IEEE Sensors Journal. 2017. V. 17. N 5. P. 1333–1341. https://doi.org/10.1109/jsen.2016.2642221
Inaudi D., Cottone I., Figini A. Monitoring dams and levees with distributed fiber optic sensing // Proc. of the 6^th International Conference on Structural Health Monitoring of Intelligent Infrastructure. 2013.
Johansson S., Beaupretre S., Boue A., Stork A. Distributed Acoustic Sensing for Detection of Defects in the Test Dam at Älvkarleby: Technical Report. 2021 [Электронный ресурс]. URL: https://energiforsk.se/en/programmes/dam-safety/reports/distributed-acoustic-sensing-for-detection-of-defects-2021-732/(дата обращения: 15.12.2021).
Ouellet S., Suszek N., Lato M., Russell B., Froese C., Carey E. Static liquefaction-type tailings dam failures: understanding options for detecting failures // Proc. of Tailings and Mine Waste, November 17–20 2019. Vancouver, Canada. University of British Columbia, 2019. P. 415–420.
Forbes B., Ouellet S., Suszek N., Lato M., Russell B. Application of distributed acoustic sensing within a tailings dam warning system // Proc. of Tailings and Mine Waste Conference, 2021.
Рассказов Л.Н., Орехов В.Г., Анискин Н.А. Гидротехнические сооружения. Ч. 1: учебник. М.: Ассоциация строительных вузов, 2008. 575 c.
Shapiro N., Campillo M., Stehly L., Ritzwoller M. High-resolution surface-wave tomography from ambient seismic noise // Science. 2005. V. 307. N 5715. P. 1615–1618. https://doi.org/10.1126/science.110833
Cristianini N., Shawe-Taylor J. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press, 2000. 189 p.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License