piwik-script

Intern
    Data Science Chair

    Predictive Bridge Information Deep Learning Modell zur Anomalieerkennung

    Motivation

    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. Demnach können häufig nur Grundannahmen zum 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 mit externer Vorspannung 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.

    Projektziel

    Ziel von P-BIM ist es, durch ein Deep Neural Network lokale, schadensbedingte Änderungen bzw. Anomalien am Schwingungsverhalten zu erkennen und dadurch zur Weiterentwicklung des BIM-Ansatzes beizutragen. Anvisiert wird ein datenbasiertes Entscheidungssystem zur Beurteilung von lokalen Anomalien und Schadensklassen, das zur Steigerung der Investitionseffizienz die Weiterverwertung bestehender Daten des mFunds forciert. Bei erfolgreichem Proof of Concept (POC) könnten 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.

    Durchführung

    Zur Zielerreichung wird ein Deep Neural Network entwickelt, das die Daten der Verformung der Dehnmessstreifen (DMS) der intelligenten Brücke in den räumlichen und zeitlichen Dimensionen des Sensorgrids als Schwingungsverlauf auflöst. Die Netzwerkarchitektur wird so optimiert, dass geeignete Repräsentationen für Normalverhalten und Anomalien gelernt werden können. Überdies 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.

    Partners

    This project is done in cooperation with the following partners

    • Ingenieurbüro Freundt
    • Bundesanstalt für Straßenwesen (BaSt)
    • Autobahn GmbH des Bundes

     

    Staff

    The following persons are involved in this project: