Über P-BIM
Die Problematik des Brückenmonitorings mittels sensorbasierter Überwachungsmethoden liegt historisch bedingt darin, dass zum genauen Abgleich der Messdaten mit dem Tragwerksverhalten zumeist die grundlegende Messung im Neubauzustand fehlt. Installiert werden Sensoren zumeist erst zu Zeitpunkten, in denen bereits Schädigungen vorliegen. Demnach können häufig nur Grundannahmen zum ursprünglichen Normalzustand getroffen werden. Das Konzept des digitalen Testfelds Autobahn der Bundesanstalt für Straßenwesen (BASt) begegnete diesem Problem damit, dass erstmals ein neu gebautes Bauwerk im Kreuz Nürnberg direkt beim Neubau mit einem sensorischen Messkonzept ausgestattet wurde. Die Zielstellung des Konzeptes der intelligenten Brücke, den Status des Bauwerks zu überwachen und datenbasierte Entscheidungs-Grundlagen für ein prädiktives Lebenszyklusmangement zu schaffen, wird durch das P-BIM Projekt weiter vorangetrieben.
Ziel von P-BIM ist es, durch ein Deep Neural Network lokale, schadensbedingte Änderungen bzw. Anomalien am Schwingungsverhalten zu erkennen und dadurch ein datenbasiertes Entscheidungssystem zur Beurteilung von lokalen Schäden zu entwickeln. Hierfür werden bestehende Daten des mFUNDs weiter verwertet. Bei erfolgreichem Proof of Concept (POC) könnte die normative Zustandsbeurteilung durch Brückenprüfungen nach DIN 1076 um Kennwerte des Tragsystemzustandes ergänzt und ggf. der Traglastindex überarbeitet werden sowie wirtschaftliche, datenbasierte Erhaltungsstrategien und Restnutzungsdauern ermittelt werden.
Um das Ziel zu erreichen, wird ein Deep Neural Network entwickelt, das die Verformung über sogenannte Dehnmessstreifen (DMS), die in der intelligenten Brücke eingebaut sind, registriert und den Schwingungsverlauf auflöst. Die Netzwerkarchitektur wird so optimiert, dass geeignete Repräsentationen für Normalverhalten und Anomalien gelernt werden können. Außerdem wird Vorwissen zu physikalischen Grundlagen der intelligenten Brücke als Information in das Netz integriert. Um die Effekte dieser Maßnahmen sichtbar zu machen wird zuletzt ein XAI (explainable artificial intelligence) Modul entwickelt, das die Ergebnisse des Netzes erklärbar und bewertbar macht.
Verbundkoordinator
Julius-Maximilians-Universität Würzburg
Projektpartner
Ingenieurbüro Freundt
Bundesanstalt für Straßenwesen (BaSt)
Autobahn GmbH des Bundes