Bild des Stahlbetonbalkens in der geöffneten Klimakammer. Hervorgehoben sind die beobachteten Risse und der Bereich der Schädigungen, die mittels des Frameworks aus Sensordaten identifiziert wurden.
Quelle: BAM
Die alternde Verkehrsinfrastruktur stellt ihre Eigentümerinnen vor erhebliche Herausforderungen. Um die Sicherheit und Dauerhaftigkeit von Bauwerken wie Brücken zu gewährleisten, können Infrastrukturbetreiber Techniken des Bauwerksmonitorings (engl. Structural Health Monitoring (SHM)) einsetzen. Dabei werden von Sensoren am Bauwerk erfasste Daten genutzt, um Schäden zu erkennen. Eine große Herausforderung stellen dabei Umwelteinflüsse dar, die das Bauwerksverhalten beeinflussen und somit potenzielle Schäden verschleiern können.
In diesem Beitrag wird ein probabilistisches Bayessches Framework zur Erkennung und Charakterisierung von Schäden an Tragwerken vorgestellt, das gleichzeitig Umwelteinflüsse berücksichtigt. Dies ermöglicht die Unterscheidung zwischen Änderungen im Tragwerksverhalten, die durch Umwelteinflüsse (wie z.B. Temperaturschwankungen) verursacht werden, und solchen, die auf tatsächliche Schäden zurückzuführen sind.
Die Hauptmerkmale dieses neuen Frameworks sind:
- Die explizite Modellierung von Umwelteinflüssen auf das Tragwerksverhalten.
- Die systematische Auswahl der für das jeweilige Bauwerk am besten geeigneten Modellierung.
- Die Möglichkeit zur Charakterisierung von Schadensort und -ausmaß.
Das Framework wurde an einem Stahlbetonbalken in der Großklimakammer der BAM getestet. Der Balken wurde schrittweise geschädigt, während er Temperaturschwankungen ausgesetzt wurde, um reale Bedingungen zu simulieren. Der vorgeschlagene Ansatz identifizierte erfolgreich den Ort und das Ausmaß der Schädigung in Übereinstimmung mit den beobachteten Rissen im Beton.
Dieser Ansatz bietet mehrere Vorteile:
- Die komplexe Wechselwirkung zwischen Umwelteinflüssen und Bauwerkszustand kann berücksichtigt werden.
- Es wird eine quantitative Bewertung des Schadens geliefert, die die Entscheidungsfindung für Instandsetzungs- oder Ersatzmaßnahmen unterstützt.
- Der probabilistische Charakter des Ansatzes berücksichtigt Unsicherheiten und liefert ein realistischeres Bild des Bauwerkszustands.
Da die Infrastruktur weltweit immer älter wird, könnten Werkzeuge wie dieses Bayessche Framework eine entscheidende Rolle bei der Gewährleistung der Zuverlässigkeit von Infrastrukturbauwerken und der Optimierung von Instandhaltungsstrategien spielen. Durch die Bereitstellung genauerer und zeitnaher Informationen über den Zustand von Bauwerken können Ingenieurinnen und politische Entscheidungsträger fundiertere Entscheidungen darüber treffen, wann und wie eingegriffen werden muss.
A Bayesian Probabilistic Framework for Building Models for Structural Health Monitoring of Structures Subject to Environmental Variability
Simon, Patrick, Ronald Schneider, Matthias Baeßler, und Guido Morgenthal
Structural Control and Health Monitoring 2024, Nr. 1 (2024)