Автоматизация сбора данных с одностороннего трехосного пермеаметра с использованием датчиков Arduino

определение и интерпретация гидравлической проводимости представляет собой сложный процесс в пористой среде. Точное измерение гидравлической проводимости требует лабораторных испытаний, мониторинга и прогнозирования. Это исследование направлено на изготовление одностороннего трехосного пермеаметра с гибкой стенкой для непрерывного мониторинга проницаемости и прогнозирования гидравлической проводимости с использованием машинного обучения. Изготовленное устройство оснащено датчиками Arduino в режиме реального времени для регистрации влажности, обратного давления, массы сточной воды, комнатной температуры и температуры сточной воды. При проектировании электрической схемы конденсатор и катушка индуктивности были взяты из поврежденного электронного устройства и использовались для подавления шума при колебаниях напряжения в цепи. Модель искусственной нейронной сети в R использовалась для прогнозирования массы статической нагрузки в 50 г, динамической нагрузки просачивающейся воды и коэффициента проницаемости. Стандартное отклонение приложенной статической нагрузки в течение 24 часов с помощью регрессионного анализа с первого по пятый день составило 1,08, 1,99, 1,68, 0,99 и 0,75 соответственно. Объединенные 5-дневные данные показали отклонение в 4,4, стандартное отклонение в 2,1 и среднее значение массы 49,93 г. Прогнозируемый коэффициент гидравлической проводимости исследованных образцов цементного раствора с медными остатками, отвержденного в течение 31 дня, состоящего из 25%-ной дозы цемента, составил 1.73e-9 м/с с высоким коэффициентом детерминации R=0,97. Использование датчиков в реальном времени и машинного обучения может помочь точно определить гидравлическую проводимость.

Физонга М., Денг Ю., Вонг Ф., Чикутве Чанда Е. К., Мутамбо В., Бунда Б., Корир E., Бваля Д., Лиюнгу Дж., Чипола П. Автоматизация сбора данных с одностороннего трехосного пермеаметра с использованием датчиков Arduino // Горный информационно-аналитический бюллетень. — 2022. — № 10-2. — С. 5—23. DOI: 10.25018/0236_1493_2022_102_0_5.

Физонга М.^1,2 — аспирант Юго-Восточного университета и преподаватель Университета Замбии, e-mail: fieldmarsheal@gmail.com, ORCID ID: 0000-0002-6261-4126;
Денг Ю.¹ — профессор, заместитель директора департамента подземного строительства, e-mail: noden@seu.edu.cn, ORCID ID: 0000-0002-8223-8711;
Вонг Ф.¹ — профессор, e-mail: feiwang@seu.edu.cn, ORCID ID:0000-0001-7844-5008;
Чикутве Чанда Е. К.² — профессор, заведующий кафедрой горного дела, e-mail: emmanuel.chanda@unza.zm, ORCID ID:0000-0002-2102-9342;
Мутамбо В.² — старший преподаватель, e-mail: vmutambo@unza.zm, ORCID ID: 0000-0003-4394-7192;
Бунда Б.² — старший преподаватель, декан Горной школы, e-mail: bbesa@unza.zm, ORCID ID: 0000-0001-9133-592X;
Корир E.³ — руководитель, e-mail: ekorir@belgraviaservices.com;
Бваля Д.⁴ — научный сотрудник, e-mail: danny.bwalya@energiasimples.pt;
Лиюнгу Дж.⁵ — преподаватель, e-mail: jliyungu84@gmail.com;
Чипола П.⁶ — горный диспетчер, e-mail: chipolapatrick28@gmail.com;
¹ Институт геотехнической инженерии, Школа транспортной инженерии, Юго-Восточный университет, Нанкин, Китай;
² Горная школа Замбийского университета, Кампус Грейт-Ист-Роуд, Почтовый ящик 32379, Лусака, Замбия;
³ Belgravia Services Limited;
⁴ Отдел исследований и разработок Simples Energia Lda Rua Aleixo da mota 86, R / C 4150−044 Порту, Португалия;
⁵ Инженерная школа Замбийского университета, Кампус Грейт-Ист-Роуд, Почтовый ящик 32379, Лусака, Замбия;
⁶ FQM Trident limited, Калумбила, Северо-Запад, Замбия.

Денг Ю.¹, e-mail: noden@seu.edu.cn.

1. Ryan, C. R., Day, S. R. (2002). Soil-cement-bentonite slurry walls. Deep Foundations 2002: An International Perspective on Theory, Design, Construction, and Performance, 116, 713−727.

2. Reid, R. A. (1987). Triaxial Permeability Device. Atlanta: Georgia Institute of Technology.

3. Joshaghani, M., Ghasemi-Fare, O., Ghavami, M. (2018). Experimental investigation on the effects of temperature on physical properties of sandy soils. IFCEE 2018: Installation, Testing, and Analysis of Deep Foundations, 294, 675−685.

4. Ye, W.-M., Wan, M., Chen, B., et al. (2012). Temperature effects on the unsaturated permeability of the densely compacted GMZ01 bentonite under confined conditions. Engineering Geology, 126, 1−7.

5. Head, K. H., Epps, R. J. (2011). Manual of Soil Laboratory Testing. Vol. II. Dunbeath: Whittles Publishing.

6. Siemens, G., Blatz, J. (2007). Development of a hydraulic conductivity apparatus for bentonite soils. Canadian Geotechnical Journal, 44, 997−1005.

7. A dozen ways to measure fluid level. ABB. URL: https://new.abb.com/products/ measurement-products/level/a-dozen-ways-to-measure-fluid-level (Access date: 10.02.2022).

8. Wang, S. W., Chen, C. C., Wu, C. M., et al. (2018). A continuous water-level sensor based on the load cell and floating pipe. IEEE International Conference on Applied System Invention (ICASI), 151−154.

9. Buyong L. United States Patent. 19 (2000).

10. Aravind, R., Kumar, A., Harisudhan, K., et al. (2018). Load Cell-based Fuel Level Measurement using Arduino Uno Microcontroller. International Journal of Advance Research and Development, 3(3), 159−164.

11. Mitchell, R. A.,Baker, S. M. (1978). Characterizing the creep response of load Cells. VDI-Berichte, 312, 43−48.

12. Mohamed, M., Hasan, E., Aggag, G. (2009). Study of the creep behavior of load cells. Measurement, 42(7), 1006−1010.

13. Kopczynski, T., Ness, D. (2001). Five factors that can affect your weighing system’s accuracy. Powder and bulk engineering, 15, 31−37.

14. Head, K. H. (1998). Manual of Soil Laboratory Testing. Vol. 3. New York: John Wiley & Sons, Inc.

15. Ciaburro, G., Venkateswaran, B. (2017). Neural network with R. Birmingham: Packt Publishing.

16. ASTM-C511−13. Standard Specification for Mixing Rooms, Moist Cabinets, Moist Rooms, and Water. (2015). 23−25.

17. Evans, J., Mclane, M., Conners, S., et al. Development and Calibration of a Lab size Slump Cone. Geo-solutions. URL: https://www.geo-solutions.com/resources/calibrationslump-cone/ (Access date: 25.04.2020).

18. Malusis, M. A., Evans, J. C., Mclane, M. H., et al. (2008). A Miniature Cone for Measuring the Slump of Soil-Bentonite Cutoff Wall Backfill. Geotechnical Testing Journal, 31(5), 373−380.

19. ASTM-D5084−16a. Standard Test Methods for Measurement of Hydraulic Conductivity of Saturated Porous Materials Using a Flexible Wall Permeameter 1. (2016). 10−11.

20. Dafalla, M., Shaker, A., Elkady, T., et al. (2015). Effects of confining pressure and effective stress on hydraulic conductivity of sand-clay mixtures. Arabian Journal of Geosciences, 8, 9993−10001.

21. Luiz T., Morandini C., Leite L. (2015). Characterization and hydraulic conductivity of tropical soils and bentonite mixtures for CCL purposes, Engineering Geology, 196, 251−267.

22. Wang, C., Liu, F. (2014). Analytical Study on Hydraulic Seepage Pressure behind the Tunnel Lining. Physical and Numerical Simulation of Geotechnical Engineering, 17, 57−61.

23. Moayedi H., Mosallanezhad, M., Rashid, A., et al. (2020). A systematic review and meta-analysis of artificial neural network application in geotechnical engineering: theory and applications. Neural Computing and Applications, 32, 495−518.

24. Ranasinghe, R.A., Jaksa, M. B., Kuo, Y. L., et al. (2017). Application of artificial neural networks for predicting the impact of rolling dynamic compaction using dynamic cone penetrometer test results. Journal of Rock Mechanics and Geotechnical Engineering, 9(2), 340−349.

25. Shahin, M. A., Jaksa, M. B., Maier, H. R. (2001). Artificial neural network applications in geotechnical engineering. Australian Geomechanics Journal, 36, 49−62.

26. Shahin, M. A., Jaksa, M. B., Maier, H. R. (2009). Recent Advances and Future Challenges for Artificial Neural Systems in Geotechnical Engineering Applications. Advances in Artificial Neural Systems, 2009, 308239.

27. Chao, Z., Ma, G., Zhang, Y., et al. (2018). The application of artificial neural network in geotechnical engineering. IOP Conference Series Earth and Environmental Science, 189, 022054.

28. Das, S. K. (2013). Artificial Neural Networks in Geotechnical Engineering: Modeling and Application Issues. Metaheuristics in Water, Geotechnical and Transport Engineering, 231−270.

29. Load Cell Amplifier HX711 Breakout Hookup Guide. SparkFun. URL: https://learn. sparkfun.com/tutorials/load-cell-amplifier-hx711-breakout-hookup-guide/all (Access date: 10.02.2022).

30. Visual Basic.Net. Arduino Data Logger with VB Net (Export to Excel) Step by Step. Youtube. URL: https://www.youtube.com/watch?v=EQpflovuJgw (Access date: 10.02.2022).

31. Crawshaw, A. H., Robinson, A. D. (2002). The Calibration of Force Transducers ‘On-the-Fly’ (NPL Report CMAM). Teddington: National Physical Laboratory.

32. Brice, L., Knott, A., Wilson, A. (2007). Continuous calibration of force transducers. IMEKO 20th TC3, 3rd TC16 and 1st TC22 International Conference “Cultivating metrological knowledge”.

33. Bartel, T. W., Yaniv, S. L. (1997). Creep and creep recovery response of load cells tested according to the U. S. and international evaluation procedures. Journal of research of the National Institute of Standards and Technology, 102(3), 349−362.

34. Gao, H., Shao, M. (2015). Effects of temperature changes on soil hydraulic properties. Soil and Tillage Research, 153, 145−154.