Filtern
Dokumenttyp
Referierte Publikation
- ja (2) (entfernen)
Schlagworte
- Structural health monitoring (2)
- Bauwerksüberwachung (1)
- Bayesian system identification (1)
- Belastungstest (1)
- Damage identification (1)
- Environmental effects (1)
- Load tests (1)
- Model update (1)
- Modell-Update (1)
- Structural Health Monitoring (1)
- Structural system identification (1)
- Structural systems (1)
- Strukturmonitoring (1)
- UAS (1)
Organisationseinheit der BAM
- 7 Bauwerkssicherheit (2)
- 7.2 Ingenieurbau (2)
Paper des Monats
- ja (1)
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.
Changes in the measured response of structural systems can be an indication of structural damages. However, such changes can also be caused by the effect of varying environmental conditions. To detect, localize and quantify changes or damages in structural systems subject to varying environmental conditions, physics-based models of the structural systems have to be applied which explicitly account for the influence of ambient conditions on the structural behavior. Data obtained from the structural systems should be used to calibrate the models and update predictions. Bayesian system identification is an effective framework for this task. In this paper, we apply this framework to learn the parameters of two competing structural models of a reinforced concrete beam subject to varying temperatures based on static response data. The models describe the behavior of the beam in the uncracked and cracked condition. The data is collected in a series of load tests in a climate chamber. Bayesian model class selection is then applied to infer the most plausible condition of the beam conditional on the available data.