Filtern
Dokumenttyp
- Vortrag (11) (entfernen)
Referierte Publikation
- nein (11) (entfernen)
Schlagworte
- SHM (11) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (11)
It is widely recognized that the dynamics of large civil structures, such as bridges or offshore structures, is significantly affected by temperature and other environmental influences. The most significant effect on the structural stiffness is due to temperature variations and especially due to the thermal gradients within the structures cross section. For civil engineering structures, changes in the dynamic response produced by varying environmental conditions can be equivalent or greater than the ones produced by damage.
Therefore, handling the environmental effects has become a major research field for global Structural Health Monitoring. A number of methods and techniques have been developed for addressing this issue for different civil engineering application examples.
An additional question is if temperature changes of stiffness correlate with a change in safety level of the structures bearing capacity which has to be discussed case dependent
In our contribution we show the result of an extensive literature review on the matter of varying temperature, describing the characteristic effects on the structure as well as the various approaches to that issue, including the experiences our work group has gained in the last 20 years of SHM on civil engineering structure.
Right from the beginning of applying SHM to bridge structures it was obvious that environmental based perturbations on the measurement significantly influence the ability to identify structural damage. Strategies are needed to classify such effects and consider them appropriately in SHM. Various methods have been developed and analyzed to separate environmental based effects from damage induced changes in the measures. Generally, two main approaches have emerged from research activity in this fields: (a) statistics based tools analyzing patterns in the data or in computed parameters and (b) methods, utilizing the structural model of the bridge taking into account environmental as well as damage based changes of stiffness values.
With the back-ground of increasing affordability of sensing and computing technology, effort should be made to increase sensitivity, reliability and robustness of procedures, separating environmental from damage caused changes in SHM measures. The contribution describes both general strategies and points out their Advantages and drawbacks. As basis, a review on relevant methods was conducted. The aim of the study is to classify approaches for separating damage describing information from environmental based perturbations in dependency of the SHM objective. And such, it is intended to describe a best practice in designing concepts for Monitoring infrastructure, naturally effected by environmental influences.
Kontinuierliche Sensorbasierte Bauwerksmessungen leisten einen wichtigen Beitrag zur Sicherheit von Verkehrsbauwerken. Hierzu werden im Vorhaben AISTEC Referenzbauwerke und Referenzverfahren untersucht mit Schwerpunkt auf den Einfluss klimatischer Bedingungen. Der Vortrag stellt den aktuellen Projektstand des FB 7.2 vor.
Eine zentrale Aufgabe der zerstörungsfreien Prüfung und der Strukturüberwachung (engl. Structural Health Monitoring - SHM) mit Ultraschallwellen ist die Bewertung von Schäden in Bauteilen. In vielen Bauteilen, wie zum Beispiel platten- und schalenförmigen Strukturen, Rohrleitungen oder Laminaten, breitet sich der Ultraschall in Form geführter Wellen aus. Zwar haben geführte Wellen eine relativ große Reichweite innerhalb des Bauteils und ermöglichen so eine großflächige Prüfung, ihre multimodalen und dispersiven Eigenschaften erschweren jedoch die Analyse der vom Schaden kommenden Reflexionen. Eine Möglichkeit, die Messsignale zu interpretieren und die Schäden zu charakterisieren, ist deren Vergleich mit der Wellenausbreitung in einem digitalen Modell. Hierbei stellt sich die Aufgabe, den Schaden im digitalen Modell anhand der Messdaten zu rekonstruieren. Diese Rekonstruktion beschreibt ein inverses Problem, das mehrere Vorwärtsrechnungen braucht, um das Schadensmodell an die Messdaten anzupassen.Durch die kleine Wellenlänge von Ultraschallwellen sind klassische Vorwärtsmethoden wie die Finte Elemente Methode rechenintensiv, weshalb die Autoren die semi-analytische Scaled Boundary Finite Element Method (SBFEM) benutzen, um den Rechenaufwand zu verringern. Im Beitrag wird ein inverses Verfahren basierend auf dem Automatischen Differenzieren in Kombination mit der SBFEM vorgestellt und an verschiedenen Schadenstypen in 2D-Querschnittmodellen von Wellenleitern getestet. In der präsentierten Vorstudie werden dafür „Messdaten“ aus unabhängigen Simulationen verwendet.
Die ZfP ist im Bauwesen bisher deutlich weniger reguliert (und auch akzeptiert) als in anderen Industriebereichen. Zum Beispiel gibt für die meisten Prüfverfahren weder Normen noch ein allgemein akzeptiertes Ausbildungs- und Zertifizierungssystem.
Dies hat auch Konsequenzen für die Digitalisierung. Im Gegensatz dazu wird im Bauwesen derzeit für viele Bereiche verbindlich ein neues Verfahren zur Unterstützung von Design, Planung, Herstellung und Betrieb eingeführt: BIM (Building Information Modeling). Der Vortrag beleuchtet das Spannungsfeld zwischen dem geringen Organisations- und Standardisierungsgrad und den neuen digitalen Möglichkeiten und stellt den neuen Arbeitskreis zur ZfP 4.0 im Bauwesen vor. Er beleuchtet auch, in welchen Bereichen die ZfP im Bauwesen von Entwicklungen aus „Industrie 4.0“ und der zerstörungsfreien Prüfung in anderen Anwendungsbereichen profitieren kann - z. B. bei Datenformaten, Datenarchivierung und Schnittstellen.
Civil engineering industry is one of the most important industry sectors in the world-wide economy. It contributes significantly to the gross economic product and general employment. Even more important, it provides many of the basic needs of the society (e. g. housing, infrastructure, protection from natural hazards).
The concept of “Industry 4.0” or “Smart Production” has not yet made significant progress in the civil engineering industry. The design, build and operate processes are still widely dominated by the exchange of printed documents and drawings. Most objects (buildings and other constructions) are unique, and a large part of the production still requires a large amount of manual labor. As-built documentation and quality assurance are often neglected. Civil engineering is among the industries sectors with the lowest level of digitalization and the lowest gain in productivity.
However, this is going to change. In the past decade, several drivers have challenged the ways clients, contractors, and authorities currently operate. These drivers include but are not limited to an increasing demand for serialization and automatization, the mandatory introduction of “Building Information Modeling” (BIM) in public procurement, the availability of construction equipment with sensors and digital interfaces or emerging automated construction technologies such as 3D-printing.
NDE (referred to as NDT-CE in this sector), after a rapid technological development in the last two decades, plays an increasing role in quality assurance, condition assessment and monitoring of structures. However, with very few exceptions, applications are mostly non-standardized and performed only at selected sites. To change this, the NDT-CE community including manufacturers, service providers, clients and the scientific community must work consistently on open data formats, interfaces to BIM, standardization and validated ways for a quantitative use of the results in the assessment of constructions.
Structural Health Monitoring (SHM) mittels geführter Ultraschallwellen ermöglicht eine kontinuierliche Überwachung komplexer Bauteile und liefert umfangreiche Informationen über deren strukturelle Integrität. Die aufgezeichneten Signale sind jedoch komplex und werden daher zunehmend mittels KI verarbeitet, um Anomalien in der Systemintegrität automatisch zu erkennen. Eine Herausforderung dabei ist jedoch das Trainieren solcher KI-Modelle, da dafür große Mengen an Trainingsdaten inklusive diverser Schadensfälle benötigt werden, um eine hohe Genauigkeit und Zuverlässigkeit zu gewährleisten. Experimentelle Generierung dieser Daten ist wegen des enormen Zeit- und Kostenaufwands nicht möglich.
Eine Alternative hierfür bieten die numerischen Simulationen, da dadurch Trainingsdaten für beliebige Anzahl an Schadenskonfigurationen erzeugt werden können. Das Hauptproblem dabei ist jedoch die Abweichung zwischen den experimentellen und simulierten Daten (durch z.B. Abweichungen bei der Geometrie, Randbedingungen oder Materialparameter). Um diese Abweichungen zu reduzieren bzw. zu eliminieren, wird ein KI-Modell mit einer Autoencoder-Decoder Architektur vorgestellt, die mittels eines Experiments kalibriert werden kann und anschließend in der Lage ist, die Genauigkeit der Simulationsergebnisse nachträglich zu erhöhen.