Alle mFUND Projekte Alle mFUND Projekte
Logo: Predictive Bridge Information Deep Learning Modell zur Anomalieerkennung - P-BIM

Quelle: Julius-Maximilians-Universität Würzburg

Problemstellung

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.

Projektziel

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.

Durchführung

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.

VerbundkoordinatorJulius-Maximilians-Universität Würzburg

Projektvolumen

(zum Bewilligungszeitpunkt)

99.995 Euro
(davon 100 % Förderung durch BMDV)

Projektlaufzeit

(zum Bewilligungszeitpunkt)

06/2022 – 05/2023
Netzwerkpartner
  • Netzwerkpartner 1: Ingenieurbüro Freundt
  • Netzwerkpartner 2: Bundesanstalt für Straßenwesen (BaSt)
  • Netzwerkpartner 3: Die Autobahn GmbH des Bundes
AnsprechpartnerJulius-Maximilians-Universität Würzburg
Lehrstuhl für Data Science (Informatik X)
Melanie Schaller
Am Hubland
D-97074 Würzburg
Telefon: +49 931 31-87995
Raum B116
E-Mail: melanie.schaller@uni-wuerzburg.de