7.2 Ingenieurbau
Filtern
Dokumenttyp
- Zeitschriftenartikel (9)
- Beitrag zu einem Tagungsband (9)
- Vortrag (9)
Schlagworte
- Structural Health Monitoring (10)
- Datenmanagement (4)
- Structural health monitoring (3)
- BIM (2)
- Bauwerksüberwachung (2)
- Belastungsversuch (2)
- Big Data (2)
- Bridges (2)
- Damage detection (2)
- Drone (2)
- Großer Fallturm Horstwalde (2)
- Modal Analysis (2)
- Modalanalyse (2)
- Model updating (2)
- SHM (2)
- Schwingungsdynamik (2)
- System Identification (2)
- System identification (2)
- Umwelteinflüsse (2)
- Vibration (2)
- Wind Turbines (2)
- Windenergie (2)
- AISTEC (1)
- Acceleration sensors (1)
- Artificial intelligence (1)
- Automatic modal parameters identification (1)
- Bauwerksdiagnostik (1)
- Bauwerksmonitoring (1)
- Bayesian methods (1)
- Belastungstest (1)
- Belastungszug (1)
- Beschleunigungssensoren (1)
- Bridge monitoring (1)
- Brücken (1)
- Building Information Modeling (1)
- Climate chamber (1)
- Damage Detection (1)
- Digital Models (1)
- Digital Twin (1)
- Digitalisierung (1)
- Drop Test (1)
- Drop Tests (1)
- EERA Joint Program (1)
- Einflusslinie (1)
- Environmental effects (1)
- Environmental influence (1)
- Estimation (1)
- FEM analysis (1)
- Finite Elemente Simulation (1)
- Finite element analysis (1)
- IEPE (1)
- Instandhaltung (1)
- Kalibrierung (1)
- Laboratory beam structure (1)
- Load Test (1)
- Load identification (1)
- Load tests (1)
- Low-frequency shaker (1)
- MEMS (1)
- Maintal Bridge Gemuenden (1)
- Maintalbrücke Gemünden (1)
- Messen im Bauwesen (1)
- Messfahrt (1)
- Model interpolation (1)
- Model update (1)
- Modell-Update (1)
- Monitoring (1)
- Offshore (1)
- Offshore wind energy (1)
- Offshore-Windenergie (1)
- Operational modal analysis (1)
- Point Cloud (1)
- Prädiktive Instandhaltung (1)
- Railway (1)
- Referenzkennzeichnungssystem (1)
- Research data management (1)
- Structural system identification (1)
- Strukturmonitoring (1)
- Subspace methods (1)
- Tagung (1)
- Temperature effects (1)
- UAS (1)
- Variational Bayesian statistics (1)
- Verkehrsinfrastukturen (1)
- Vibration analysis (1)
- Wind energy (1)
- Zivile Sicherheit (1)
- acceleration sensors (1)
- building information modelling (1)
- calibration (1)
- environmental influences (1)
- structural health monitoring (1)
- structural integrity management (1)
- support structures (1)
- transmission behavior (1)
- Übertragungsverhalten (1)
Organisationseinheit der BAM
Paper des Monats
- ja (2)
Eingeladener Vortrag
- nein (9)
Mit der Errichtung und der Inbetriebnahme des Windpark alpha ventus wurden umfangreiche Messungen an den Tragstrukturen und den Umgebungsparametern durchgeführt. Im Projekt Gigawind life wurde im TP1 ein Datenmanagementsystem zur kontinuierlichen und periodisch fortgeführten Datenauswertung für große Datenbestände (Big Data) entworfen und realisiert. Anhand von Performanceuntersuchungen konnte eine Verkürzung der Rechenzeit um den Faktor 10 in einem Rechencluster erreicht werden. Unter Anwendung einer Datenpipeline nach dem Publish/Subscribe Prinzip wird eine skalierbare Datenschnittstelle für Monitoringdaten vorgeschlagen.
Mit der Errichtung und der Inbetriebnahme des Windpark alpha ventus wurden umfangreiche Messungen an den Tragstrukturen und den Umgebungsparametern durchgeführt. Im Projekt Gigawind life wurde im TP1 ein Datenmanagementsystem zur kontinuierlichen und periodisch fortgeführten Datenauswertung für große Datenbestände (Big Data) entworfen und realisiert. Anhand von Performanceuntersuchungen konnte eine Verkürzung der Rechenzeit um den Faktor 10 in einem Rechencluster erreicht werden. Unter Anwendung einer Datenpipeline nach dem Publish/Subscribe Prinzip wird eine skalierbare Datenschnittstelle für Monitoringdaten vorgeschlagen.
The identification of the dynamic behavior of structures, like bridges and towers, is relevant to address multiple issues. In many cases the dynamic parameters should be acquired only once or at a frequency that doesn’t justify the installation of distinct vibration sensors for a long-term monitoring. To identify modal frequencies of a structure, a drone based mobile sensing platform has been implemented. This sensing platform measures the relative displacement be-tween the structure and the drone, which also shows a strong dynamic behavior under wind tur-bulences. By regarding the dynamic model of the drone and additional measurements at the dis-tance sensor the absolute movement of the structure can be estimated based on the measured relative distance. This time domain data is a suitable input for various operational modal analysis algorithms. The system has been used to identify the dynamic properties of test and real structure, like a 1.5 MW wind turbine tower.
The identification of the dynamic behavior of structures, like bridges and towers, is relevant to address multiple issues. In many cases the dynamic parameters should be acquired only once or at a frequency that doesn’t justify the installation of distinct vibration sensors for a long-term monitoring. To identify modal frequencies of a structure, a drone based mobile sensing platform has been implemented. This sensing platform measures the relative displacement be-tween the structure and the drone, which also shows a strong dynamic behavior under wind tur-bulences. By regarding the dynamic model of the drone and additional measurements at the dis-tance sensor the absolute movement of the structure can be estimated based on the measured relative distance. This time domain data is a suitable input for various operational modal analysis algorithms. The system has been used to identify the dynamic properties of test and real structure, like a 1.5 MW wind turbine tower.
Monitoringsysteme erfassen kontinuierlich Bauwerksdaten wie z.B. Bauwerksbeschleunigungen, auf deren Grundlage Bauwerksschäden mit Hilfe von SHM-Methoden quantifiziert werden können. Mit den gewonnenen Informationen über den aktuellen Bauwerkszustand können Vorhersagen des Bauwerkszustandes und der Bauwerkszuverlässigkeit aktualisiert und erforderliche Inspektionen und Instandhaltungsmaßnahmen vorausschauend geplant werden. Im BMBF-Forschungsvorhaben AISTEC entwickeln der Fachbereich 7.2 „Ingenieurbau“ innovative Monitoringverfahren zur Systemidentifikation und automatischen Detektion, Lokalisierung und Quantifizierung von Schäden an Infrastrukturbauwerken anhand von gemessenen dynamischen und statischen Bauwerksdaten. Im Rahmen dieses Projektes werden die Verfahren an der Maintalbrücke bei Gemünden angewendet, welche Teil der ICE-Strecke Hannover-Würzburg ist. In diesem Vortrag wird das für die Maintalbrücke Gemünden geplante und umgesetzte Monitoingsystem vorgestellt.
Today, short- and long-term structural health monitoring (SHM) of bridge infrastructures and their safe, reliable and cost-effective maintenance has received considerable attention. From a surveying or civil engineer’s point of view, vibration-based SHM can be conducted by inspecting the changes in the global dynamic behaviour of a structure, such as natural frequencies (i. e. eigenfrequencies), mode shapes (i. e. eigenforms) and modal damping, which are known as modal parameters. This research work aims to propose a robust and automatic vibration analysis procedure that is so-called robust time domain modal parameter identification (RT-MPI) technique. It is novel in the sense of automatic and reliable identification of initial eigenfrequencies even closely spaced ones as well as robustly and accurately estimating the modal parameters of a bridge structure using low numbers of cost-effective micro-electro-mechanical systems (MEMS) accelerometers. To estimate amplitude, frequency, phase shift and damping ratio coefficients, an observation model consisting of: (1) a damped harmonic oscillation model, (2) an autoregressive model of coloured measurement noise and (3) a stochastic model in the form of the heavy-tailed family of scaled t-distributions is employed and jointly adjusted by means of a generalised expectation maximisation algorithm. Multiple MEMS as part of a geo-sensor network were mounted at different positions of a bridge structure which is precalculated by means of a finite element model (FEM) analysis. At the end, the estimated eigenfrequencies and eigenforms are compared and validated by the estimated parameters obtained from acceleration measurements of high-end accelerometers of type PCB ICP quartz, velocity measurements from a geophone and the FEM analysis. Additionally, the estimated eigenfrequencies and modal damping are compared with a well-known covariance driven stochastic subspace identification approach, which reveals the superiority of our proposed approach. We performed an experiment in two case studies with simulated data and real applications of a footbridge structure and a synthetic bridge. The results show that MEMS accelerometers are suitable for detecting all occurring eigenfrequencies depending on a sampling frequency specified. Moreover, the vibration analysis procedure demonstrates that amplitudes can be estimated in submillimetre range accuracy, frequencies with an accuracy better than 0.1 Hz and damping ratio coefficients with an accuracy better than 0.1 and 0.2 % for modal and system damping, respectively.
At the Bundesanstalt für Materialforschung und -prüfung (BAM) full scale specimens for nuclear transport and storage containers (casks) are tested for their structural integrity in a series of drop tests on the Test Site Technical Safety in Horstwalde, 50 km south of Berlin. These drop tests cause a major stress not only on the casks, but also on the steel tower structure of the test facility, itself. The load pattern makes the structure very interesting for detailed investigation. The focus of the monitoring lies on the bolted joints of the flange connections that are a typical connection for cylindrical elements if welding is technical or economical unfavorable. The definition of the monitoring takes was done by investigating the existing documents and inspection results accompanied by building an initial digital representation of the structure, consisting of two finite element (FE) models and a geometrical 3D point cloud representation. As a first step the structures behavior during static and dynamic loading was analyzed using measurement data and an updated numerical FE Model. The idea behind is to use models for a digital planning and operation/evaluation of the structural health monitoring. A static FE simulation and a dynamic FE simulation are generated, to investigate how the structure behaves under the load conditions.
Inspection and maintenance contribute significantly to the lifetime cost of bridges. There is significant potential in using information obtained through structural health monitoring to update predictive models of the condition and performance of such structures, and thus ena-ble an improved decision-making regarding inspection and maintenance activities. Within the AISTEC project funded by the German Federal Ministry of Education and Research, we develop vibration-based structural health monitoring systems aimed at continuously provid-ing information on the structural condition of bridges. Environmental variations such as changing ambient temperatures can significantly influence the dynamic characteristics of bridges and thus mask the effect of structural changes and damages. It remains a challenge to account for such influences in structural health monitoring. To study the effect of ambient temperatures on the dynamic characteristics of beam structures, we monitor the vibration response of a reinforced concrete beam in the uncracked and cracked state at varying tem-peratures in a climate chamber. We postulate a set of competing parameterized probabilistic structural models, which explicitly account for the effect of varying ambient temperatures on the mechanical properties of the system. We then combine the information provided by the structural models with the information contained in the recorded vibration data to learn the parameters of the temperature-dependent structural models and infer the plausible state of the beam using Bayesian system identification and model class selection.
At the Bundesanstalt für Materialforschung und -prüfung (BAM) full scale specimens for nuclear transport and storage containers (casks) are tested for their structural integrity in a series of drop tests on the Test Site Technical Safety in Horstwalde, 50 km south of Berlin. These drop tests cause a major stress not only on the casks, but also on the steel tower structure of the test facility, itself. The load pattern makes the structure very interesting for detailed investigation. The focus of the monitoring lies on the bolted joints of the flange connections that are a typical connection for cylindrical elements if welding is technical or economical unfavorable. The definition of the monitoring takes was done by investigating the existing documents and inspection results accompanied by building an initial digital representation of the structure, consisting of two finite element (FE) models and a geometrical 3D point cloud representation. As a first step the structures behavior during static and dynamic loading was analyzed using measurement data and an updated numerical FE Model. The idea behind is to use models for a digital planning and operation/evaluation of the structural health monitoring. A static FE simulation and a dynamic FE simulation are generated, to investigate how the structure behaves under the load conditions.
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.
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.
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.
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 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.
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.
The long-term preservation of our infrastructure requires not only intelligent sensor technology and highly developed monitoring procedures, but also innovative digital tools for analyzing, evaluating and utilizing the results. This includes mathematical and, in particular, probabilistic methods for damage detection and tracking as well as for calculating service life and maintenance cycles and data management. The example project Maintal Bridge Gemuenden as part of the AISTEC project shows the workflow for the implementation of structural health monitoring and experimental tests with a train of Deutsche Bahn. The influence lines, as one possible way for damage detection, were measured with a highly accurate GNSS System to locate the trains position when crossing the bridge. The results were compared to measurements from 1987 just before the bridge went in operation.
Using digital twins for decision making is a very promising concept which combines simulation models with corresponding experimental sensor data in order to support maintenance decisions or to investigate the reliability. The quality of the prognosis strongly depends on both the data quality and the quality of the digital twin. The latter comprises both the modeling assumptions as well as the correct parameters of these models. This article discusses the challenges when applying this concept to realmeasurement data for a demonstrator bridge in the lab, including the data management, the iterative development of the simulation model as well as the identification/updating procedure using Bayesian inference with a potentially large number of parameters. The investigated scenarios include both the iterative identification of the structural model parameters as well as scenarios related to a damage identification. In addition, the article aims at providing all models and data in a reproducibleway such that other researcher can use this setup to validate their methodologies.
The Bundesanstalt für Materialforschung und -prüfung (BAM) collaborates with TNO to develop a software framework for automated calibration of structural models based on monitoring data. The ultimate goal is to include such models in the asset management process of engineering structures. As a basis for developing the framework, a multi-span road bridge consisting of ten simply supported steel box girders was selected as a test case. Our group measured output-only vibration data from one box girder under ambient conditions. From the data, we determined eigenfrequencies and mode shapes. In parallel, we developed a preliminary structural model of the box girder for the purpose of predicting its modal properties. In this contribution, we provide an overview of the measurement campaign, the operational modal analysis, the structural modeling and qualitatively compare the identified with the predicted modes. As an outlook, we discuss the further steps in the calibration process and future applications of the calibrated model.
Im Forschungsprojekt DiMoWind-Inspect wurde untersucht, welche Grundvoraussetzungen geschaffen werden müssen, um digitale Methoden für die Instandhaltung von Offshore-Windenergieanlagen einsetzen zu können. Daten aus allen Lebensphasen der Anlagen werden derzeit nur selten effizient dafür genutzt, um die sinnvollsten Instandhaltungsmaßnahmen am richtigen Ort, zum richtigen Zeitpunkt und mit den geringsten Kosten durchzuführen. Eine im Vorhaben entwickelte einheitliche Strukturierung der bisher häufig unstrukturierten Bau- und Instandhaltungsdaten ermöglicht ihre übergreifende, anwenderspezifische Verfügbarkeit. Hierfür werden Prinzipien des Referenzkennzeichnungssystems RDS-PP adaptiert. Es wird aufgezeigt, wie neben Bauteilen auch zusätzliche Informationen wie Instandhaltungsmaßnahmen oder Mängel strukturiert werden können. Dem Ansatz des Building Information Modeling folgend werden die Bauwerkskomponenten direkt mit den Informationen aus Inspektionen und weiteren Instandhaltungsmaßnahmen verknüpft. So können Informationen aus dem Betrieb über den Zustand der Struktur verarbeitet und für die maßgebenden Berechnungen und Nachweise zur Verfügung gestellt werden. Als Anwendungsfall wird ein zweistufiges Konzept vorgestellt, das zur Bewertung der Ermüdungslebensdauer eines korrosionsgeschädigten Konstruktionsdetails der Gründungsstruktur einer Offshore-Windenergieanlage mit Informationen aus der Instandhaltung eingesetzt wird.
Structural Health Monitoring (SHM) wird zunehmend zur kontinuierlichen Zustandsbewertung von Ingenieurbauwerken eingesetzt. Wichtige Bewertungsparameter sind globale Systemeigenschaften, wie z. B. Eigenfrequenzen, zu deren Bestimmung Beschleunigungssensoren eingesetzt werden. Häufig werden sog. MEMS-Sensoren (Micro Electro Mechanical Systems) verwendet, die jedoch ein hohes Rauschniveau aufweisen. Alternativ können rauschärmere IEPE-Sensoren (Integrated Electronics Piezo Electric) eingesetzt werden, die auch bei geringster Strukturanregung Schwingungen zuverlässig erfassen. Ferner besteht das Problem, dass Änderungen der Eigenfrequenzen infolge Bauwerksschädigung schwer von Änderungen der Eigenfrequenzen infolge Umwelteinflüssen zu unterscheiden sind. Letztere verändern die Eigenschaften der Struktur und die des Messsystems. Um Umwelteinflüsse auf das Messsystem im Anwendungsgebiet Ingenieurbau zu untersuchen, wurden IEPE-Beschleunigungsaufnehmer hinsichtlich ihres Übertragungsverhaltens im niederfrequenten Beschleunigungsbereich analysiert. Es zeigt sich, dass das Verhalten nicht nur frequenz-, sondern auch temperaturabhängig ist, während die Luftfeuchte keinen Einfluss hat. Diese für das Bauwerk unbedenklichen Einflüsse müssen für eine robuste Zustandsüberwachung kompensiert werden. Für die Anwendung im Ingenieurbau werden IEPE-Sensoren empfohlen, da sie ein hohes Signal-zu-Rausch-Verhältnis aufweisen und niederfrequente Bauwerksschwingungen zuverlässig erfassen.
Acceleration sensors are vital for assessing engineering structures by measuring properties like natural frequencies. In practice, engineering structures often have low natural frequencies and face harsh environmental conditions. Understanding sensor behavior on such structures is crucial for reliable masurements. The research focus is on understanding the behavior of acceleration sensors in harsh environmental conditions within the low-frequency acceleration range. The main question is how to distinguish sensor behavior from structural influences to minimize errors in assessing engineering structure conditions. To investigate this, the sensors are tested using a long-stroke calibration unit under varying temperature and humidity conditions. Additionally, a mini-monitoring system configured with four IEPE sensors is applied to a small-scale support structure within a climate chamber. For the evaluation, a signal-energy approach is employed to distinguish sensor behavior from structural behavior. The findings show that IEPE sensors display temperature-dependent nonlinear transmission behavior within the low-frequency acceleration range, with humidity having negligible impact. To ensure accurate engineering structure assessment, it is crucial to separate sensor behavior from structural influences using signal energy in the time domain. This study underscores the need to compensate for systematic effects, preventing the underestimation of vibration energy at low temperatures and overestimation at higher temperatures when using IEPE sensors for engineering structure monitoring.