Detailseite
Projekt
Structural Health Information Patterns (SHIPs) für die Analyse der Zustandsveränderung von Brücken in einem automatisierten digitalen Zwilling - [TwinSHIP]
Antragsteller
Professor Dr.-Ing. Thomas Braml
Fachliche Zuordnung
Konstruktiver Ingenieurbau, Bauinformatik und Baubetrieb
Förderung
Förderung seit 2025
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 562732371
In eigenen Vorarbeiten wurde festgestellt, dass Zustandsveränderungen baulicher Strukturen grundsätzlich mithilfe von Structural Health Informations Patterns, kurz SHIPs, d. h. mithilfe der Veränderung von Datenmustern, festgestellt werden können. Die Herausforderung besteht nun darin, die an Bestandsbauwerken festgestellten Veränderungen in den Datenmustern auf die physikalischen und mechanischen Ursachen zurückzuführen. Die Kenntnis über die Effekte und Einflüsse, die eine Datenmusteränderung hervorrufen können, erlaubt dann die Optimierung der Sensorauswahl und -anordnung an Brückenbauwerken. Ziel des Forschungsvorhabens ist es, einen Algorithmus zu entwickeln und zu validieren, der automatisiert Datenmuster erzeugt und diese dann den konkreten Merkmalsveränderungen der Brücken und der Messsysteme zuordnet. Zusätzlich soll automatisiert und bauwerksspezifisch abgeleitet werden, welche Messdaten in welchem Umfang und an welchen Positionen erhoben werden sollten, um den größten Nutzen für die Merkmalsextraktion zu generieren. Die Arbeiten stützen sich (a) auf die vielzähligen, zur Verfügung stehenden Daten von der Nibelungenbrücke Worms und der Forschungsbrücke OpenLAB und (b) auf die daraus KI-gestützt aufbereiteten Trainingsdaten. Die automatisierte und skalierbare Datenaufnahme, -ablage und -verarbeitung basiert auf dem eigenen entwickelten und erprobten Verwaltungsschalenkonfigurator BBox. Die erwarteten Erkenntnisse bilden die Basis für eine optimierte Inspektion und Überwachung von Brücken in der Zukunft. Zum Erreichen des übergeordneten Projektzieles werden folgende Teilziele definiert: - Erweiterung des SHIP-Konzeptes um Convolutional Neural Networks (CNNs) - Entwicklung eines Algorithmus für das automatische Entwickeln von Referenztrainings-datensätzen aus Sensordaten - Validierung der Echtzeitanalyse an den Demonstratoren des Schwerpunktprogrammes. Insgesamt sollen damit folgende vier Forschungsfragen beantwortet werden: 1) Können Zustandsveränderungen von Brücke mithilfe von SHIP´s festgestellt werden? 2) Welche Rückschlüsse auf die Ursachen dieser Zustandsveränderungen sind möglich? 3) Inwiefern können Monitoring-Systeme auf Basis der Zustandsveränderungen optimiert werden? 4) Wie kann die einheitliche und automatisierte Echtzeitanwendung implementiert werden?
DFG-Verfahren
Schwerpunktprogramme
