7.2 Ingenieurbau
Filtern
Dokumenttyp
- Vortrag (169) (entfernen)
Referierte Publikation
- nein (169) (entfernen)
Schlagworte
- Structural Health Monitoring (16)
- Offshore wind energy (9)
- Ground vibration (8)
- Brücken (7)
- Fatigue (7)
- Offshore (7)
- Design methods (6)
- Physical phenomenology (6)
- Pile foundations (6)
- Structural health monitoring (6)
Organisationseinheit der BAM
- 7.2 Ingenieurbau (169) (entfernen)
Am Fallturm auf dem Testgelände Technische Sicherheit (TTS) der BAM wurden bei Inspektionen Vorspannungsverluste in den Bolzen der Stahlverbindungen festgestellt. Um ein Verständnis für die zugrundeliegenden Trag- und Schädigungsmechanismen zu erlangen und um den Zustand der vorgespannten Schraubverbindungen langzeitlich zu überwachen, wurde am Fallturm ein Structural Health Monitoring (SHM) System installiert. Für die Auslegung des Monitoringsystems sowie zur Unterstützung der Untersuchung des Schädigungsprozesses wurde ein numerisches Modell erstellt und in Bezug auf die gemessenen Antworten des Tragwerks kalibriert.
Im Vortrag werden die experimentellen und numerischen Untersuchungen zur Systemidentifikation des Stahlrohrgitterturms als auch die Überwachungskampagne mit dem eingesetzten Monitoringsystem sowie die Messergebnisse und deren Bewertung vorgestellt.
Der Vortrag beschreibt die Relevanz der Zuverlässigkeitsbewertung von klassischen ZfP- und SHM-Verfahren. Diese Zuverlässigkeitsbewertung soll auch für das an der BAM entwickelte Risslumineszenzverfahren durchgeführt werden. Die Risslumineszenz wird zunächst vorgestellt und es wird beschrieben welchen Weg man beschreiten muss, um eine Zuverlässigkeitsbewertung für eine Technik durchzuführen, die nicht nur als ZfP-Verfahren genutzt werden soll, sondern auch für die Dauerüberwachung unter der Einbindung einer KI-basierten automatisierten Risserkennung. Die mit dieser Erweiterung des Einsatzspektrums einhergehenden Faktoren für Messunsicherheit und -variabilität wird als Problematik erkannt und als zukünftige Aufgabe, die es zu lösen gilt, definiert.
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.
A prediction software has been developed by BAM. The following topics have still be solved. A realistic irregularity spectrum can be derived from axle-box measurements. It agrees wel with the spectrum used for the high-speed 2 project in the United Kingdom. In addition, the scattering of axle pulses should be included. This mid-frequency component can also be found in the HS2 procedure. Finally, the reduction in case of a tunnel line compared to a surface line should be included. Some measurement results of BAM, HS2 and other institutes show a certain mid-frequency reduction. This is due to the load distribution of the tunnel which yields softer axle pulses and the scattered axle impulses are reduced.
A digital structural integrity management of offshore structures enables an optimized planning of inspections and repairs with risk-based methods. In a risk-based approach, the inspection and repair strategy that minimizes the expected lifetime costs consisting of the expected inspection, repair and failure costs is determined. In addition to inspections, information on the structural condition can be continuously obtained by monitoring the vibration response of the structural system. Changes in the vibration characteristics quantified in terms of modal properties can be an indication of structural damage. In risk-based inspection and repair planning, the effect of monitoring results is determined via Bayesian updating of the structural condition and reliability. This information should be applied to inform decisions on inspections and may result in a reduced inspection effort. The benefit of continuously monitoring the structural health can be quantified in terms of the value of information, which corresponds to the difference between the expected lifetime costs with and without monitoring. In this work, we demonstrate in a numerical example how an optimized sensor placement for a vibration-based structural health monitoring system can be determined by maximizing the value of information.
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.
Die aktuelle Instandhaltungsstrategien von Ingenieurbauwerken arbeiten zustandsbasiert und stützen sich auf visuelle Inspektionen in kurzen, starren Intervallen. Beim Übergang zu Predicitive-Maintenance-Strategien können Sensordaten eigesetzt werden um Prognosemodelle der Bauwerke zu aktualisieren. Ein erster Schritt hierzu ist die sensorbasierte Systemidentifikation.
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.
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.