Filtern
Dokumenttyp
- Beitrag zu einem Tagungsband (9)
- Vortrag (9)
- Zeitschriftenartikel (6)
Schlagworte
- Structural Health Monitoring (9)
- Datenmanagement (3)
- Structural health monitoring (3)
- BIM (2)
- Bauwerksüberwachung (2)
- Belastungsversuch (2)
- Big Data (2)
- Bridges (2)
- Damage detection (2)
- Drone (2)
Organisationseinheit der BAM
Paper des Monats
- ja (2)
Eingeladener Vortrag
- nein (9)
Structural health monitoring (SHM) of civil structures often is limited due to changing environmental conditions, as those changes affect the structural dynamical properties in a similar way like damages can do. In this article, an approach for damage detection under changing temperatures is presentedand applied to a beam structure. The used stochastic subspace-based algorithm relies on a reference null space estimate, which is confronted to data from the testing state in a residual function. For damage detection the residual is evaluated by means of statistical hypothesis tests. Changes of the system due to temperature effects are handled with a model interpolation approach from linear parameter varying system theory. From vibration data measured in the undamaged state at some few reference temperatures, a model of the dynamic system valid for the current testing temperature is interpolated. The reference null space and the covariance matrix for the hypothesis test is computed from this interpolated model. This approach has been developed recently and was validated in an academic test case on simulations of a mass-spring-damper. In this paper, the approach is validated experimentally on a beam structure under varying temperature conditions in a climate chamber. Compared to other approaches, the interpolation approach leads to significantly less false positive alarms in the reference state when the structure is exposed to different temperatures, while faults can still be detected reliably.
Nach den bisherigen Regeln werden Bauwerksprüfungen von Brücken in starr definierten Intervallen durchgeführt. Diese starre, periodische, zustandsbasierte Instandhaltungsstrategie soll zukünftig durch eine flexible und prädiktive Instandhaltung ersetzt werden. Hierbei sollen Inspektionen und Instandhaltungsmaßnahmen unterstützt durch autonome Systeme auf der Grundlage von Monitoringdaten geplant und zusätzlich bei unvorhergesehenen Ereignissen ausgelöst werden. Im Rahmen des Verbundforschungsvorhabens AISTEC wird ein Vorgehen für Großbauwerke und kleinere Regelbauwerke zur Umsetzung eines kombinierten globalen, schwingungsbasierten und quasistatischen Monitorings entworfen. An der Maintalbrücke Gemünden – einer semiintegralen Rahmenbrücke aus Spannbeton auf der Schnellfahrstrecke Hannover–Würzburg – wurde als Demonstrator ein Dauermonitoring realisiert.
Der Vortrag stellt die Durchführung und die ersten Ergebnisse der Belastungsfahrten der BAM im Rahmen des AISTEC Projekts an der Maintalbrücke am 19.05. und 20.05.2021 vor. Es wurden Tragwerksreaktionen des Bauwerks mit dem installierten Dauermonitoringsystem und insbesondere dem Betongelenk mit zusätzlich installierter Sensorik aufgezeichnet. Für die Ermittlung der Lastposition wurden mehrere Verfahren eingesetzt und verglichen.
Die moderne Gesellschaft in Deutschland und Europa profitiert von der hervorragenden baulichen Infrastruktur, die für uns viele Aspekte aus den Bereichen Mobilität, Energieversorgung, Transport, Umweltschutz, (Nah-)Erholung und Gefahrenabwehr zur Alltäglichkeit werden lassen und uns ein hohes Gefühl der technischen Sicherheit vermitteln. Viele der Annehmlichkeiten, wie beispielweise ein Hochgeschwindigkeitseisenbahnverkehrsnetz, zuverlässige Stromversorgung im europäischen Verbundsystem und ein immenser Personen-, Güter- und Warenverkehr auf der Straße, zu Wasser und in der Luft ist ohne eine leistungsfähige, resiliente und zuverlässige bauliche Infrastruktur undenkbar.
Die Infrastruktursysteme der Industriestaaten erfordern heute und in Zukunft ein effizientes Management bei alternder Bausubstanz, steigenden Lasten und gleichbleibend hohem Sicherheitsniveau. Digitale Technologien bieten ein großes Potenzial zur Bewältigung der aktuellen und künftigen Herausforderungen im Infrastrukturmanagement. Im BMBF-geförderten Projekt Bewertung alternder Infrastrukturbauwerke mit digitalen Technologien (AISTEC) wird untersucht, wie unterschiedliche Technologien und deren Verknüpfung gewinnbringend eingesetzt werden können. Am Beispiel der Maintalbrücke Gemünden werden ein sensorbasiertes Bauwerksmonitoring, bildbasierte Inspektion mit durch Kameras ausgestatteten Drohnen (UAS) und die Verknüpfung digitaler Bauwerksmodelle umgesetzt. Die aufgenommenen Bilder dienen u. a. als Grundlage für spätere visuelle Anomaliedetektionen und eine 3D-Rekonstruktion, welche wiederum für die Kalibrierung und Aktualisierung digitaler Tragwerksmodelle genutzt werden. Kontinuierlich erfasste Sensordaten werden ebenfalls zur Kalibrierung und Aktualisierung der Tragwerksmodelle herangezogen. Diese Modelle werden als Grundlage für Anomaliedetektionen und perspektivisch zur Umsetzung von Konzepten der prädiktiven Instandhaltung verwendet. Belastungsfahrten und historische Daten dienen in diesem Beitrag der Validierung von kalibrierten Tragwerksmodellen.
Structural health monitoring (SHM) intends to improve the management of engineering structures. The number of successful SHM projects – especially SHM research projects – is ever growing, yielding added value and more scientific insight into the management of infrastructure asset. With the advent of the data age, the value of accessible data becomes increasingly evident. In SHM, many new data-centric methods are currently being developed at a high pace. A consequent application of research data management (RDM) concepts in SHM projects enables a systematic management of raw and processed data, and thus facilitates the development and application of artificial intelligence (AI) and machine learning (ML) methods to the SHM data. In this contribution, a case study based on an institutional RDM framework is presented. Data and metadata from monitoring the structural health of the Maintalbrücke Gemünden for a period of 16 months are managed with the RDM system BAM Data Store, which makes use of the openBIS data management software. An ML procedure is used to classify the data. Feature engineering, feature training and resulting data are performed and modelled in the RDM system.
Support structures of wind turbines in German offshore wind farms are regularly inspected. Currently, inspection outcomes are generally not systematically recorded. This prevents their consistent handling and processing, which is a key requirement to enable an efficient structural integrity management. As part of the DiMoWind-Inspect project, a data model and reference designation system for such inspection results is developed to facilitate their identification, localization, quantification, tracing and linking throughout the lifetime of a wind farm and beyond. The inspection results together with structural health monitoring results and information on repairs form the basis for assessing and predicting the structural condition, estimating the remaining lifetime, and planning of future inspections, structural health monitoring, and repairs. As a basis for developing a digital structural integrity management, a generic framework is proposed in this paper, which describes the stakeholders, data, models, processes and workflows of the integrity management of support structures in offshore wind farms and their interrelations. The framework adopts a building information modelling approach to describe the information relevant to the structural integrity management. The central digital space of the framework is a common data environment. An implementation of the framework will enable a digital structural integrity management in which inspection, structural health monitoring, repair, assessment and planning outcomes generated throughout the life cycle of a wind farm can be consistently collected, managed, shared and processed by the relevant shareholders.
Falltürme sind Bauwerke, die als Versuchsanlagen sehr speziellen, impulsartigen Belastungen ausgesetzt sind. Am Fallturm auf dem Testgelände Technische Sicherheit (TTS) der BAM wurde bei Routineinspektionen eine Abnahme der strukturellen Integrität in Form von Vorspannungsverlusten in den Bolzen der Stahlverbindungen festgestellt. Um ein Verständnis für die zugrundeliegenden Trag- und Schädigungsmechanismen zu erlangen, wurde ein umfassendes Structural Health Monitoring (SHM) System geplant und am Bauwerk installiert unter Nutzung von digitalen Bauwerksmodellen. Für die Auslegung des Überwachungssystems, insbesondere aber zur Unterstützung der Untersuchung des Schädigungsprozesses, wurden Finite-Elemente-Modelle erstellt. Um sicherzustellen, dass die FE-Modelle das reale Tragwerksverhalten mit ausreichender Genauigkeit abbilden, mussten sie jedoch in Bezug auf die gemessenen Antworten des Tragwerks kalibriert werden. Der vorliegende Beitrag beschreibt experimentelle und numerische Untersuchungen zur Identifizierung des strukturellen Systems des Stahlrohrgitterturms in Vorbereitung einer Überwachungskampagne. Die Auswertung von gemessenen Schwingungen unter ambienter Anregung ermöglichte die Identifizierung der Eigenfrequenzen mehrerer globaler Schwingungsmoden des Fallturms. Zur Modellvalidierung wurde zunächst eine Sensitivitätsanalyse durchgeführt, um die Parameter mit dem größten Einfluss zu ermitteln. Anschließend wurde ein evolutionärer Algorithmus (EA) zur Optimierung nach dem Prinzip der Minimierung der Differenzen zwischen gemessenen und simulierten charakteristischen Antworten eingesetzt. Das aktualisierte Modell wurde schließlich an der dynamischen Reaktion der Turmstruktur infolge einer realen Falltest-induzierten Stoßbelastung validiert. Die Ergebnisse zeigten eine gute Übereinstimmung zwischen numerischen und experimentellen Ergebnissen.