7.0 Abteilungsleitung und andere
Filtern
Dokumenttyp
Schlagworte
- Value of information (11)
- Fatigue (7)
- CFD (5)
- LNG (5)
- Concrete (4)
- High-strength concrete (4)
- SHM (4)
- Sustainability (4)
- Ultrasonic testing (4)
- Africa (3)
Organisationseinheit der BAM
- 7 Bauwerkssicherheit (74)
- 7.0 Abteilungsleitung und andere (74)
- 7.1 Baustoffe (6)
- 7.2 Ingenieurbau (6)
- 5 Werkstofftechnik (3)
- 5.5 Materialmodellierung (3)
- S Qualitätsinfrastruktur (3)
- S.2 Digitalisierung der Qualitätsinfrastruktur (3)
- 5.2 Metallische Hochtemperaturwerkstoffe (2)
- 1 Analytische Chemie; Referenzmaterialien (1)
Paper des Monats
- ja (3)
Die Feuerwiderstandsdauer von ungeschützten Stahlbauteilen lässt sich durch den Einsatz reaktiver Brandschutzsysteme (RBS) signifikant erhöhen. Durch den profilfolgenden Auftrag der Brandschutzbeschichtung und die hierfür erforderlichen geringen Trockenschichtdicken, welche in der Regel nur wenige Millimeter betragen, können neben den brandschutztechnischen Anforderungen auch die an die Stahlkonstruktion gestellten gestalterischen Ansprüche erfüllt werden. Kommt es zu einem Brand, schäumt das reaktive Brandschutzsystem auf und bildet eine thermische Schutzschicht um das Stahlbauteil aus. Dadurch wird die Erwärmung des Stahls verlangsamt und der Festigkeitsverlust infolge Temperatur wird verzögert. Die Verwendung von reaktiven Brandschutzsystemen auf Stahlbauteilen wird durch Zulassungen geregelt. In Bezug auf den durch die Zulassung geregelten Anwendungsbereich von reaktiven Brandschutzsystemen auf zugbeanspruchten Stahlbauteilen haben sich in den vergangenen Jahren verschiedene Änderungen ergeben. Der nachfolgende Beitrag gibt hierzu einen aktuellen Überblick und beschreibt die Hintergründe, welche zu den neuen Regelungen geführt haben. Ferner erfolgt in diesem Zusammenhang ein Ausblick auf noch zu untersuchende Fragestellungen, welche bisher noch nicht durch die Regelungen in den Zulassungen abgedeckt werden. Bei den nachfolgenden Ausführungen handelt es sich um einen Auszug des Beitrages für die 18. EIPOS-Sachverständigentage Brandschutz.
Der Erhalt einer dauerhaft sicheren Infrastruktur erfordert neben der Berücksichtigung technisch bedingter Alterungs- und Schädigungsprozesse auch die Umsetzung aktueller gesellschaftlicher Herausforderungen wie die Integration neuer Mobilitätskonzepte, Steigerung der Resilienz gegenüber Klimawandel oder Ressourcenschonung. Die parallele Umsetzung dieser „alten“ und „neuen“ Anforderungen lässt sich nur durch räumlich und zeitlich skalenübergreifende Betrachtungen lösen, die ohne digitale Prozesse nicht möglich sein werden. Am Beispiel des Elements der Querscheinfuge in Betonstraßenoberflächen wird in diesem Vortrag aufgezeigt, wie die BAM durch Kombination diverser Projekte zu einzelnen Aspekten dieser Fragestellung in einem ganzheitlichen Konzept eines digitalen Zwillings dieses Bauelements löst.
Structural health monitoring systems have been widely implemented to provide real-time continuous data support and to ensure structural safety in the context of structural integrity management. However, the quantification of the potential benefits of structural health monitoring systems has not yet attracted widespread attention. At the same time, there is an urgent need to develop strategies, such as optimizing the monitoring period, monitoring variables, and other factors, to maximize the potential benefits of structural health monitoring systems. Considering the continuity of structural health monitoring information, a framework is developed in this article to support decision-making for structural Health monitoring systems arrangement in the context of structural integrity management, which integrates the concepts of value of information and risk-based inspection planning based on an approach which utilizes a conjugate prior probability distribution for updating of the probabilistic models of structural performances based on structural health Monitoring information. An example considering fatigue degradation of steel structures is investigated to illustrate the application of the proposed framework. The considered example shows that the choice of monitoring variables, the Monitoring period, and the monitoring quality may be consistently optimized by the application of the proposed framework and approach. Finally, discussions and conclusions are provided to clarify the potential benefits of the proposed Framework with a special view to practical applications of structural health monitoring systems.
Appropriate monitoring of transportation infrastructures (e.g. bridges) is of utmost importance to ensure safe operation conditions. Accurate and reliable assessment of such structures can be achieved through the integration of data from non-destructive testing, advanced modeling and model updating techniques. The Bayesian framework has been widely used for updating engineering and mechanical models, due to its probabilistic description of information, in which the posterior probability distribution reflects the knowledge, over the model parameters of interest, inferred from the data. For most real-life applications, the computation of the true posterior involves integrals that are analytically intractable, therefore the implementation of Bayesian inference requires in practice some approximation methods.
This paper investigates the application of Variational Bayesian Inference for structural model parameter identification and update, based on measurements from a real experimental setup. The Variational Bayesian method circumvents the issue of evaluating intractable integrals by using a factorized approximation of the true posterior (mean field approximation) and by choosing a family of conjugate distributions that facilitates the calculations. Inference in the Variational Bayesian framework is seen as solving an optimization problem with the aim of finding the parameters of the factorized posterior which would minimize its Kullback-Leibler divergence in relation to the exact posterior. The Variational Approach is an efficient alternative to sampling methods, such as Markov Chain Monte Carlo, since the latter’s accuracy depends on sampling from the posterior distribution a sufficient amount of times (and therefore requiring an equivalent number of computations of the forward problem, which can be quite expensve).
Appropriate monitoring of transportation infrastructures (e.g. bridges) is of utmost importance to ensure safe operation conditions. Accurate and reliable assessment of such structures can be achieved through the integration of data from non-destructive testing, advanced modeling and model updating techniques. The Bayesian framework has been widely used for updating engineering and mechanical models, due to its probabilistic description of information, in which the posterior probability distribution reflects the knowledge, over the model parameters of interest, inferred from the data. For most real-life applications, the computation of the true posterior involves integrals that are analytically intractable, therefore the implementation of Bayesian inference requires in practice some approximation methods.
This paper investigates the application of Variational Bayesian Inference for structural model parameter identification and update, based on measurements from a real experimental setup. The Variational Bayesian method circumvents the issue of evaluating intractable integrals by using a factorized approximation of the true posterior (mean field approximation) and by choosing a family of conjugate distributions that facilitates the calculations. Inference in the Variational Bayesian framework is seen as solving an optimization problem with the aim of finding the parameters of the factorized posterior which would minimize its Kullback-Leibler divergence in relation to the exact posterior. The Variational Approach is an efficient alternative to sampling methods, such as Markov Chain Monte Carlo, since the latter’s accuracy depends on sampling from the posterior distribution a sufficient amount of times (and therefore requiring an equivalent number of computations of the forward problem, which can be quite expensive).
Appropriate monitoring of transportation infrastructures (e.g. bridges) is of utmost importance to ensure safe operation conditions. Accurate and reliable assessment of such structures can be achieved through the integration of data from non-destructive testing, advanced modeling and model updating techniques. The Bayesian framework has been widely used for updating engineering and mechanical models, due to its probabilistic description of information, in which the posterior probability distribution reflects the knowledge, over the model parameters of interest, inferred from the data. For most real-life applications, the computation of the true posterior involves integrals that are analytically intractable, therefore the implementation of Bayesian inference requires in practice some approximation methods.
This paper investigates the application of Variational Bayesian Inference for structural model parameter identification and update, based on measurements from a real experimental setup. The Variational Bayesian method circumvents the issue of evaluating intractable integrals by using a factorized approximation of the true posterior (mean field approximation) and by choosing a family of conjugate distributions that facilitates the calculations. Inference in the Variational Bayesian framework is seen as solving an optimization problem with the aim of finding the parameters of the factorized posterior which would minimize its Kullback-Leibler divergence in relation to the exact posterior. The Variational Approach is an efficient alternative to sampling methods, such as Markov Chain Monte Carlo, since the latter’s accuracy depends on sampling from the posterior distribution a sufficient amount of times (and therefore requiring an equivalent number of computations of the forward problem, which can be quite expensive).
We introduce a new concept that enables a decision analyst to explore and quantify the benefits of decision alternatives that exceed the scope of a pre‐posterior decision or value of information analysis. This new concept, namely, the expected value of sample information and action analysis, facilitates to examine decision alternatives that become only possible with additional knowledge. The concept is introduced by taking basis in proof load testing as a source of (pre‐)posterior knowledge. Pre‐posterior decision analysis is necessary in order to optimize the structural design through proof loading information. The application of the common value of information Analysis and the new value of information and action analysis are demonstrated in a case study.
Optimization of the duration of Structural Health Monitoring (SHM) campaigns is rarely performed.
This article provides a utility-based solution to posteriorly determine: i) optimal monitoring Durations and ii) the extension of the service life of the welds on a steel bridge deck. The approach is Illustrated with a case study focusing on remaining fatigue life estimation of the welds on the orthotropic steel deck of the Great Belt Bridge, in Denmark. The identification of the optimal monitoring duration and the decision about extending the service life of the welds are modelled by maximizing the expected benefits and minimizing the structural risks. The results are a parametric analysis, mainly on the effect of the target probability, benefit, cost of failure, cost of rehabilitation, cost of monitoring and Discount rate on the posterior utilities of monitoring strategies and the choice of service life considering the risk variability and the costs and benefits models. The results show that the decision on short-term monitoring, i.e., 1 week every six months, is overall the most valued SHM strategy. In addition, it is found that the target probability is the most sensitive parameter affecting the optimal SHM Durations and service life extension of the welds.
Der Markt von LNG als Transportgut und als Kraftstoff ist seit Jahrzehnten kontinuierlich am Wachsen, wobei das Hauptanwendungsgebiet im Schiffsverkehr lag. LNG ist verflüssigtes Erdgas mit Hauptbestandteil Methan, das neben fossilen, aus erneuerbaren Quellen, wie synthetischen Methan oder Biogas, gewonnen werden kann. LNG hat als Kraftstoff sehr gute Eigenschaften dessen Potenzial als alternativer Kraftstoff zu Diesel im Schwerlast- und Fernverkehr gesehen wird. Dabei weist LNG gegenüber Diesel geringere Emissionen von CO2, Feinstaub, Stickoxiden und Lärm auf und hat gegenüber anderen erneuerbaren Energiespeichern wie CNG, Elektrobatterien oder Wasserstoff die höchste volumetrische und zweitgrößte gravimetrische Energiedichte. Neben seinen Vorteilen zu anderen erneuerbaren Energieträgern birgt LNG durch seine sehr niedrige Temperatur von bis zu 160°C und seiner Brennbarkeit aber auch neue Gefahren für Personen und Infrastrukturen.
Zur Bewertung von Gefahren und zur späteren Durchführung von Risikobewertungen bedarf es Methoden und Modellen deren Untersuchung Ziel des Forschungsprojekts war. Schwerpunkt der Untersuchung stellt die Freisetzung von LNG in Tunnel, mit sich anschließender Stoffausbreitung und verzögerter Zündung des Kraftstoff-Luftgemisches dar. Unfallszenarien mit Brandereignissen in Tunnel haben gezeigt, dass diese meist mit hohen Personen, Bauwerks und volkswirtschaftlichen Schäden verbunden sind. Des Weiteren zeigten Untersuchungen das von Gasexplosionen in Umschließungen wie sie ein Tunnel darstellt, mehr Gefahren ausgehen als von Gasexplosionen im Freifeld.
Im Vortrag werden die untersuchten Modelle und die aus dem Projekt gewonnenen Erkenntnisse für die Stoffausbreitung und Verbrennung der Gasphase von LNG in Umschließungen vorgestellt.