Dauerüberwachung von Bauwerken mit modellbasierter Schadensdetektion

Die objektive, sachgemäße Einschätzung des Bauwerkszustandes und das frühzeitige Erkennen von Schadensart, -ort und -ursache stellen in der Bauwerksüberwachung die zentralen Aspekte dar. Automatisierte Überwachungssysteme, die kontinuierlich Verhalten und Zustand der Bauwerke diagnostizieren, gewinnen zunehmend an Bedeutung. Besonders im Bauwerksmonitoring bieten sich zerstörungsfreie Prüfverfahren an, die auf Messungen und rechnerischer Analyse beruhen. Derzeit stehen jedoch geschlossene und validierte Ansätze zur automatisierten Dauerüberwachung des globalen Tragwerkszustandes nicht zur Verfügung. Somit ist die Detektion von Schäden massiver Bauwerke mit erheblichen Herausforderungen verbunden.

Die Einbindung automatisierter Überwachungssysteme ermöglicht eine objektive und kontinuierliche Erfassung des Bauwerkszustandes. Dadurch können einerseits Schädigungen zeitnah detektiert und bewertet, andererseits der Alterungsprozess des Bauwerks fortlaufend dokumentiert werden. Im Zuge des DFG-Schwerpunktprogramms SPP 100+ dient die „Nibelungenbrücke“ in Worms hierbei als Validierungsbauwerk für die Entwicklung eines geschlossenen Ansatzes zur automatisierten Zustandsüberwachung hoch beanspruchter Massivbauwerke im Freien. Der Bauwerkszustand soll durch die zuverlässige Angabe von Ort und Ausmaß festgestellter Schädigungen beschrieben werden. Der Ansatz umfasst eine Schadensdetektion auf Basis einer nichtlinearen Modelladaption und Methoden der Künstlichen Intelligenz.

Im Rahmen der nichtlinearen FE-Berechnungen werden Sensitivitätsstudien zur Feststellung der identifizierbaren Zustands- und Schadensparameter vorgenommen und das Überwachungskonzept für die zweite Forschungsphase vorbereitet. Aufgrund der inversen Problemstellung der Modelladaption soll die Eindeutigkeit von Lösungen analysiert und bewertet werden. Für die Umsetzung werden verschiedene Methoden der Künstlichen Intelligenz zusammengeführt: Die zu lösende Optimierungsaufgabe im Zuge der nichtlinearen Modelladaption ist hochgradig komplex. Die betrachteten Modelle können eine unterschiedliche Anzahl an Freiheitsgraden, verschiedene Beanspruchungen sowie mehrere Schadensorte aufweisen. Auf Basis von Evolutionären Algorithmen soll ein Optimierungsverfahren entwickelt und zur Lösungsfindung in der Modelladaption eingesetzt werden. Da diese Optimierungsverfahren in der Regel nicht zu einer eindeutigen Lösung führen, werden zu Erhöhung der Zuverlässigkeit Clusterverfahren für die Beschreibung der erhaltenen Lösungen untersucht. Hierbei wird ein Messzeitpunkt einem numerischen Rechenmodell zugewiesen, dessen Systemkomponente den Bauwerkszustand zuverlässig beschreibt. Die Schadensdiagnose erfolgt anschließend durch den Vergleich der Systemzustände verschiedener Messzeitpunkte. Das in Forschungsphase 1 entwickelte Konzept der automatisierten Schadensdiagnose soll in der zweiten Forschungsphase an dem realen Validierungsbauwerk angewendet werden.