Filtern
Erscheinungsjahr
Dokumenttyp
- Beitrag zu einem Tagungsband (42)
- Vortrag (19)
- Zeitschriftenartikel (12)
- Beitrag zu einem Sammelband (4)
- Buchkapitel (3)
- Dissertation (1)
- Posterpräsentation (1)
Schlagworte
- Damage detection (10)
- Structural Health Monitoring (8)
- Monitoring (7)
- Structural health monitoring (7)
- Schadensdetektion (6)
- Subspace methods (6)
- Damage localization (5)
- Impact (5)
- Brücken (4)
- Damage characterization (4)
Organisationseinheit der BAM
- 7 Bauwerkssicherheit (43)
- 7.2 Ingenieurbau (42)
- 8 Zerstörungsfreie Prüfung (12)
- 8.5 Röntgenbildgebung (5)
- 3 Gefahrgutumschließungen; Energiespeicher (4)
- 3.3 Sicherheit von Transportbehältern (4)
- 8.1 Sensorik, mess- und prüftechnische Verfahren (3)
- 8.0 Abteilungsleitung und andere (2)
- 8.2 Zerstörungsfreie Prüfmethoden für das Bauwesen (2)
- 7.1 Baustoffe (1)
Die B1 Brücke am Altstädter Bahnhof in Brandenburg an der Havel wurde im Dezember 2019 aufgrund von während einer turnusmäßigen Inspektion entdeckten Rissen und Hohlstellen entlang der vorgespannten Längsträger gesperrt und im Mai 2021 abgebrochen. In der Zwischenzeit wurde die Brücke detailliert überwacht. Vor dem Abriss wurden zudem umfangreiche Untersuchungen zur Bestandsaufnahme und Schadensanalyse sowie Tests moderner Sensorik vorgenommen. Dabei konnte sowohl die richtige, zuvor nicht sicher bekannte Anzahl von Spanngliedern in den Querträgern sicher ermittelt werden als auch durch moderne Varianten der Schwingungsmessungen und der faseroptischen Sensorik zusätzliche Kenntnisse püber das Bauwerksverhalten ermittelt werden . In dem Beitrag werden die Verfahren mit ihren Möglichkeiten und Grenzen vorgestellt, die Ergebnissee an der Brücke in Brandenburg erläutert und zukünftige Einsatzmöglichkeiten diskutiert.
Damage detection and localization in civil or mechanical structures is a subject of active development and research. A few vibration‐based methods have been developed so far, requiring, for example, modal parameter estimates in the reference and damaged states of the investigated structure, and for localization in addition a finite element model. For structures in operation, temperature has been shown to be a major nuisance to the efficiency of such methods because the modal parameters are varying not only with damage but also due to temperature variations. For detection, a few rejection approaches have been developed. Besides the increased complexity, environmental variation is hardly taken into account in localization approaches. In this paper, we propose a sensitivity‐based correction of the identified modal parameters in the damaged state with respect to the temperature field in the reference state, on the basis of a sensitivity analysis with respect to temperature dependent Parameters of the finite element model in the reference state. The approach is then applied to the stochastic dynamic damage locating vector method, where its improved performance under nonuniform temperature variations is shown in a numerical application on a beam.
Automatic vibration-based structural health monitoring has been recognized as a useful alternative or addition to visual inspections or local non-destructive testing performed manually. It is, in particular, suitable for mechanical and aeronautical structures as well as on civil structures, including cultural heritage sites. The main challenge is to provide a robust damage diagnosis from the recorded vibration measurements, for which statistical signal processing methods are required. In this chapter, a damage detection method is presented that compares vibration measurements from the current system to a reference state in a hypothesis test, where data9
related uncertainties are taken into account. The computation of the test statistic on new measurements is straightforward and does not require a separate modal identification. The performance of the method is firstly shown on a steel frame structure in a laboratory experiment. Secondly, the application on real measurements on S101 Bridge is shown during a progressive damage test, where damage was successfully detected for different damage scenarios.
Unterraumbasierte Detektion von Strukturschäden an Jacket-Gründungen von Offshore-Windenergieanlagen
(2018)
Die vorliegende Arbeit beschreibt die Adaption eines globalen, schwingungsbasierten Verfahrens zur frühzeitigen Erkennung von Strukturschäden an Gründungsstrukturen offshore installierter Windenergieanlagen (OWEA). Damit soll es, Betreibern von Offshore-Windparks ermöglicht werden, im Rahmen periodisch durchgeführter messtechnischer Überwachungsmaßnahmen mit einem gegenüber wiederkehrender Inspektionen wesentlich geringen Aufwand auftretende Schäden an der Struktur zuverlässig zu delektieren.
Das untersuchte und implementierte Verfahren basiert auf der Methode der stochastischen unterraumbasierten Schadensdetektion. Dabei erfolgt eine statistische Analyse des wiederkehrend messtechnisch aufgenommenen dynamischen Antwortverhaltens des mechanischen Systems. Mittels statistischem Test werden signifikante Änderungen in dessen Eigenstruktur und damit Schäden delektiert.
Im Rahmen der vorliegenden Arbeit wurden umfangreiche experimentelle als auch numerische Untersuchungen zur Sensitivität und Robustheit des beschriebenen Schadensindikators durchgeführt. Dazu sind zunächst an einem Labormodell mittels künstlich und reversibel eingebrachter Schäden grundlegende Analysen zu den Einflüssen signal- und verfahrensinhärenter Kenngrößen durchgeführt worden. Auf der Basis dieser Ergebnisse wurde im Anschluss mittels numerischer Analysen das Antwortverhalten von OWEA simuliert und der entwickelte Algorithmus zur Schadensdetektion an den so realisierten Datensätzen angewendet.
Anhand der Ergebnisse der Arbeit wird aufgezeigt, dass, vorausgesetzt die Windenergieanlage befindet sich in Parkposition, eine Detektion von schon geringen Schäden an Gründungs-strukturen mit dem beschriebenen Verfahren, auch unter Einsatz weniger Messaufnehmer, zuverlässig möglich ist.
Unterraumbasierte Detektion von Strukturschäden an Jacket-Gründungen von Offshore-Windenergieanlagen
(2018)
Die vorliegende Arbeit beschreibt die Adaption eines globalen, schwingungsbasierten Verfahrens zur frühzeitigen Erkennung von Strukturschäden an Gründungsstrukturen offshore installierter Windenergieanlagen (OWEA). Damit soll es, Betreibern von Offshore-Windparks ermöglicht werden, im Rahmen periodisch durchgeführter messtechnischer Überwachungsmaßnahmen mit einem gegenüber wiederkehrender Inspektionen wesentlich geringen Aufwand auftretende Schäden an der Struktur zuverlässig zu delektieren.
Das untersuchte und implementierte Verfahren basiert auf der Methode der stochastischen unterraumbasierten Schadensdetektion. Dabei erfolgt eine statistische Analyse des wiederkehrend messtechnisch aufgenommenen dynamischen Antwortverhaltens des mechanischen Systems. Mittels statistischem Test werden signifikante Änderungen in dessen Eigenstruktur und damit Schäden delektiert.
Im Rahmen der vorliegenden Arbeit wurden umfangreiche experimentelle als auch numerische Untersuchungen zur Sensitivität und Robustheit des beschriebenen Schadensindikators durchgeführt. Dazu sind zunächst an einem Labormodell mittels künstlich und reversibel eingebrachter Schäden grundlegende Analysen zu den Einflüssen signal- und verfahrensinhärenter Kenngrößen durchgeführt worden. Auf der Basis dieser Ergebnisse wurde im Anschluss mittels numerischer Analysen das Antwortverhalten von OWEA simuliert und der entwickelte Algorithmus zur Schadensdetektion an den so realisierten Datensätzen angewendet.
Anhand der Ergebnisse der Arbeit wird aufgezeigt, dass, vorausgesetzt die Windenergieanlage befindet sich in Parkposition, eine Detektion von schon geringen Schäden an Gründungs-strukturen mit dem beschriebenen Verfahren, auch unter Einsatz weniger Messaufnehmer, zuverlässig möglich ist.
Subspace-based detection of fatigue damage on jacket support structures of offshore wind turbines.
(2014)
Subspace-based detection of fatigue damage on jacket support structures of offshore wind turbines
(2014)
The paper describes the application of the Stochastic Subspace-based Damage Detection (SSDD) method on model structures for an utilization of this approach on offshore wind turbine structures. Aim of the study was therefore to analyze the usability and efficiency of the detection method as well as to determine an optimized set of parameter for realistic damage on support structures of wind energy turbines. Based on results of an experimental fatigue test on a Steel frame laboratory structure a strategy for a numerical verification of the experimentally evolved damage detection was developed, utilizing a time integration approach to simulate the dynamic response. In a second Step the identified modeling and computing methodology is used to numerically investigate the ability to detect damage in real size structural components of offshore wind turbines.
Altematively to common modal analysis as tool for detectmg changes between a reference and an actual (possibly damaged) structural state, the subspace-based damage detection method has been developed in recent years and successfully adopted to test application data sets. Characteristic for that method is that instead of analyzing modal parameters, a Statistical test with respect to changes of a dynamic signature of structural response is introduced. Therefor, a Gaussian residual vector is extracted from the subspace of an output only Vibration data covariance matrix within the reference state. The paper describes the application of this damage detection method within a laboratory fatigue test on a Steel frame structure. Aim of the investigation was to analyze the usability and efficiency of the detection method for realistic damage on carrying structures of wind energy turbines. In a second Step, a numerical model of the lab test structure is developed and validated. Thus, a comparable numerical Simulation of the fatigue damage detection was feasible and the accuracy of the Simulation procedure could be verified. The present study describes the first Step in a two-step approach for quantifying and optimizing fundamental characteristics of SHM Systems for offshore wind turbine structures concerning a required number of sensors and their optimal location.
Temperature variation can be a nuisance that perturbs vibration based structural health monitoring (SHM) approaches for civil engineering structures. In this paper, temperature affected vibration data is evaluated within a stochastic damage detection framework, which relies on a null space based residual. Besides two existing temperature rejection approaches – building a reference state from an averaging method or a piecewise method – a new approach is proposed, using model interpolation. In this approach, a general reference model is obtained from data in the reference state at several known reference temperatures. Then, for a particular tested temperature, a local reference model is derived from the general reference model. Thus, a well fitting reference null space for the formulation of a residual is available when new data is tested for damage detection at an arbitrary temperature. Particular attention is paid to the computation of the residual covariance, taking into account the uncertainty related to the null space matrix estimate. This improves the test performance, contrary to prior methods, for local and global damages, resulting in a higher probability of detection (PoD) for the new interpolation approach compared to previous approaches.