7.2 Ingenieurbau
Filtern
Erscheinungsjahr
- 2022 (5) (entfernen)
Dokumenttyp
- Beitrag zu einem Tagungsband (5) (entfernen)
Referierte Publikation
- nein (5)
Schlagworte
- Artificial intelligence (1)
- Belastungsversuch (1)
- Brücke (1)
- Faseroptik (1)
- Finite Elemente Simulation (1)
- Großer Fallturm Horstwalde (1)
- Impact damage on reinforced concrete (1)
- Modalanalyse (1)
- Monitoring (1)
- Numerical damage simulation (1)
- Offshore wind energy (1)
- Radar (1)
- Research data management (1)
- Schwingungsdynamik (1)
- Structural Health Monitoring (1)
- Structural health monitoring (1)
- Tomographic damage evaluation (1)
- Vibration (1)
- building information modelling (1)
- structural health monitoring (1)
- structural integrity management (1)
- support structures (1)
Organisationseinheit der BAM
- 7.2 Ingenieurbau (5) (entfernen)
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 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.
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.
The contribution discusses the processing and analysis of data generated on two different ways of investigations for impact damage in reinforced concrete structures. Damage investigations are essential to determine type and characteristics of damage and thus the residual capacity. Damage describing data is generated using two different types of investigation, a non-destructive tomographic as well as numerical examination. Subsequently, data of both sources was merged and analysed. Within the research project “Behaviour of structural components during impact load conditions caused by aircraft fuel tank collision” reinforces concrete plates were damaged by impact loading, see Hering (2020). Afterwards the damaged specimens were investigated tomographically as well as numerically using several methods and models. Aim of the presented research work was to specify an objective comparability of numerical data with experimentally determined damage patterns and based on this, to establish a quantitative damage evaluation.
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.