Detailseite
Projekt
Automatische datengetrieben Modellbildung und H2/H-unendlich - Norm basierte Dimensionsreduktion von prozessorientierten und kooperativen Systemen zur SHM-Zustandsanalyse mit Methoden der Systemidentifikation und maschinellem Lernen an exponierten Bauwerken - Phase zwei
Antragsteller
Professor Dr.-Ing. Armin Lenzen
Fachliche Zuordnung
Konstruktiver Ingenieurbau, Bauinformatik und Baubetrieb
Förderung
Förderung seit 2022
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 501664543
Der SPP2388 befasst sich methodisch und experimentell mit der Zustandserfassung und Zustandsschätzung, insbesondere von Brückenbauwerken, im Rahmen der Lebensdauer einer mechanischen Struktur. Die Methodik ist als Structural Health Monitoring (SHM) bekannt. Das zentrale Element ist ein Digitaler Zwilling, als Abbild der Realität, der über die Verbindung von Datenerfassung, Datenassimilation, Systemraum und modellorientiertem Monitoring alle bauwerksspezifischen Informationen erfasst. Diese integralen und digitalen Informationen eignen sich direkt zur Einbettung in das Konzept Building Information Modeling (BIM). In Phase eins wurde ADMO, eine automatische datengetriebene Modellbildung auf Basis von numerischen Methoden der linearen Algebra und der Systemidentifikation, als prozessorientierter Zustandsschätzer im Mikrozeitbereich eingeführt. Methoden des maschinellen Lernens (ML) berücksichtigen die Betriebs- und Umgebungsbedingungen (EOC). Die Output-Only-Methode zur Zustandsschätzung, Schadensdetektion und -lokalisation ist experimentell und methodisch exemplarisch an dem I4S Technikum und einer realen Brücke erfolgreich verifiziert worden. In Phase zwei soll der Fokus auf Prognosemodellen liegen, die mechanisch und physikalisch orientierte und prädiktive Handlungsempfehlungen bereitstellt, die aus den vorliegenden theoretischen Prozessmodellen und Zustandsschätzern im Mikro- und Makrozeitbereich über die Lebensdauer abgeleitet werden können. Die Parameter und Schadensindikatoren der Output-Only-Identifikation sind methodenbedingt relative und systemtheoretische Bezugsgrößen eines idealisierten stochastischen Eingangsprozesses. Deshalb sollen diese Modellparameter in robuste mechanisch und physikalisch skalierte Prognosemodelle in den Makrozeitbereich der Lebensdauer überführt werden. Damit werden die daraus ermittelten absoluten mechanisch-physikalischen Zustandsindikatoren in Form von bekannten ingenieurorientierten charakteristischen Kenngrößen und Parametern interpretierbar, die den Baulastträger mit einer prognoseorientierten Entscheidungsfindung, auf Basis von Zustandsschätzern, zur Instandhaltung aussagekräftig unterstützen können. Ein iteratives methodisches Vorgehen und damit verbundenes verifizierendes, robustes Methodendesign wird von Experimenten an realen mechanischen Strukturen und Brückenbauwerken begleitet.
DFG-Verfahren
Schwerpunktprogramme
