BIM-basierte Informationsmodellierung zur semantischen Abbildung intelligenter Bauwerksmonitoringsysteme
Zusammenfassung der Projektergebnisse
Obwohl Bauwerksmonitoringsysteme im Zuge der Digitalisierung und der zunehmenden Vernetzung von Bauwerken immer wichtiger werden, fehlten bislang standardisierte, einheitliche Methoden zur strukturierten, technologieunabhängigen Beschreibung und Verwaltung der dabei anfallenden Informationen. Insbesondere existierten keine Ansätze, mit denen die Gesamtheit der Monitoring-relevanten Informationen – einschließlich dynamischer Aspekte (zeitabhängige Zustandsänderungen) – formal beschrieben und allen Beteiligten über den gesamten Lebenszyklus eines Bauwerks hinweg bereitgestellt werden kann. Ziel des Forschungsprojekts war deshalb die Entwicklung eines semantischen Modells, das Monitoring-relevante Informationen formal eindeutig und mathematisch korrekt digital abbilden kann. Eine ursprünglich vorgesehene weitergehende Integration der entwickelten Modelle in die Methodik des Building Information Modeling (BIM) – einschließlich der Entwicklung eines parametrischen BIM-Ansatzes zur umfassenden Modellierung intelligenter Bauwerksmonitoringsysteme – wurde von der Förderung ausgeschlossen. Auf Grundlage der Gutachterkommentare und der Entscheidung des Fachkollegiums wurde die Förderung stattdessen auf die methodische Grundlagenentwicklung und eine prototypische Validierung beschränkt. Das ursprünglich vorgeschlagene BIM-Mapping wurde nur soweit verfolgt, wie es zur ingenieurtechnischen Validierung des Konzepts erforderlich war. Die im Rahmen des geförderten Projekts erzielten, wesentlichen wissenschaftlichen Beiträge werden folgendermaßen zusammengefasst: (1.) Entwicklung eines semantischen Partialmodells für Sensornetze (Sensor Network Ontology, SNO) zur formalen Beschreibung von Sensorknoten, Netzwerktopologien, Sensorarten und deren eingebetteter Software, (2.) Entwicklung eines semantischen Gesamtmodells (Structural Health Monitoring Ontology, SHMO), das die SNO integriert und um Ontologien für Bauwerksgeometrien, Schäden, numerische Analysen und Gefährdungen ergänzt, (3.) mathematische Konsistenzprüfung des Gesamtmodells mittels Ontologie-Reasoner, (4.) Erweiterung des Modells um temporallogische Strukturen (Metric Temporal Logic, MTL) zur Beschreibung dynamischer, zeitabhängiger Prozesse, (5.) prototypische Validierung des Konzepts an einem realen Bauwerk durch Kopplung eines Sensornetzes mit den entwickelten semantischen Modellen und Integration der Monitoringdaten in ein digitales Modell. Als Ergebnis konnte ein formal konsistentes, ontologiebasiertes und temporallogisch erweitertes semantisches Modell für intelligente Bauwerksmonitoringsysteme entwickelt werden. Es ist gelungen, eine Grundlage bereitzustellen, um Monitoring-relevante Informationen einschließlich ihrer Dynamik technologieunabhängig und maschinenlesbar zu repräsentieren und damit einen entscheidenden Schritt zur Digitalisierung und Automatisierung des Bauwerksmonitorings leistet.
Projektbezogene Publikationen (Auswahl)
-
Validation of an Ultra-low-cost Wireless Structural Health Monitoring System for Civil Infrastructure. Structural Health Monitoring 2019. DEStech Publications, Inc..
SMARSLY, KAY; MTHUNZI, EVERETT M.; HAHN, OLIVER & PLANER, JOSEPHINE
-
Automated decision-making in structural health monitoring using explainable artificial intelligence. The 28th International Workshop on Intelligent Computing in Engineering (EG-ICE). Berlin, Germany, 06/30/2021
Peralta, J., Fritz, H., Dadoulis, G., Dragos, K. & Smarsly, K.
-
Explainable Artificial Intelligence to Advance Structural Health Monitoring. Structural Integrity, 331-346. Springer International Publishing.
Luckey, Daniel; Fritz, Henrieke; Legatiuk, Dmitrii; Peralta Abadía, José Joaquín; Walther, Christian & Smarsly, Kay
-
Fault Diagnosis in Structural Health Monitoring Systems Using Signal Processing and Machine Learning Techniques. Structural Integrity, 143-164. Springer International Publishing.
Fritz, Henrieke; Peralta Abadía, José Joaquín; Legatiuk, Dmitrii; Steiner, Maria; Dragos, Kosmas & Smarsly, Kay
-
A systematic survey of Internet of Things frameworks for smart city applications. Sustainable Cities and Society, 83, 103949.
Peralta Abadía, José Joaquín; Walther, Christian; Osman, Ammar & Smarsly, Kay
-
An Introduction and Systematic Review on Machine Learning for Smart Environments/Cities: An IoT Approach. Intelligent Systems Reference Library, 1-23. Springer International Publishing.
Peralta Abadía, José Joaquín & Smarsly, Kay
-
Internet of Things Frameworks for Smart City Applications—A Systematic Review. Computing in Civil Engineering 2021, 83-89. American Society of Civil Engineers.
Peralta Abadía, José Joaquín & Smarsly, Kay
-
Mobile structural health monitoring using quadruped robots. Health Monitoring of Structural and Biological Systems XVI, 72. SPIE.
Smarsly, Kay; Worm, Mathias; Dragos, Kosmas; Peralta Abadía, José Joaquín; Wenner, Marc & Hahn, Oliver
-
Trends and Recommendations for IoT-Based Smart City Applications. Lecture Notes in Civil Engineering, 3-10. Springer Nature Switzerland.
Abadia, Jose Joaquin Peralta & Smarsly, Kay
