Detailergebnis zu DOK-Nr. 81235
Neuartige Konzepte für die Zustandsüberwachung und -analyse von Brückenbauwerken – Einblicke in das Forschungsvorhaben SPP100+
| Autoren |
H. Becks L. Lippold P. Winkler M. Moeller M. Rohrer T. Leusmann D. Anton B. Sprenger P. Kähler I. Rudenko D.A. Arcones P. Koutsourelakis J.F. Unger |
|---|---|
| Sachgebiete |
15.0 Allgemeines, Erhaltung |
Bauingenieur 99 (2024) Nr. 10, S. 327-337, 9 B, 63 Q
Die Brückeninfrastruktur in Deutschland steht aufgrund steigender Verkehrslasten und alternder Bauwerke vor erheblichen Herausforderungen. Das DFG-Schwerpunktprogramm 2388 "Hundert plus – Verlängerung der Lebensdauer komplexer Baustrukturen durch intelligente Digitalisierung“ (SPP100+), initiiert 2021, strebt an, durch digitale Innovationen und prädiktive Instandhaltungsstrategien die Nutzungsdauer bestehender Brückenbauwerke zur verlängern. Es gliedert sich in drei interdisziplinäre Forschungsbereiche und fünf Arbeitsgruppen (Cluster). Der Beitrag befasst sich mit den Arbeiten des Clusters "Monitoring und Simulation", in dem in sieben Teilprojekten fortschrittliche Monitoring-, Simulations- und Hybridmethoden untersucht werden, die nicht nur Degradationsmechanismen erkennen, sondern auch eine Lebensdauerprognose zulassen. Messverfahren und Analysemethoden, die im Rahmen des SPP100+ entstehen, werden zunächst an der Nibelungenbrücke in Worms getestet und validiert, um sie anschließend auf Ingenieurbauwerke im Allgemeinen zu übertragen. Darüber hinaus sollen die Methoden zu Testzwecken an der Forschungsbrücke openLAB des Projekts "Infrastrukturdatenauswertung mithilfe künstlicher Intelligenz" (IDA-KI) erprobt werden, wie im Beitrag beschrieben. Die Ziele, Vorgehensweisen und ersten Erkenntnisse der einzelnen Teilprojekte werden vorgestellt. Der Einsatz von Digitalen Zwillingen, hochauflösender Sensortechnik, und komplexen numerischen Simulationen ermöglicht prädiktive Analysen und eine effektive Instandhaltungsplanung. Verschiedene innovative Ansätze wie nichtlineare Modellanpassungen, hochsensible stochastische Methoden und Lastidentifikation durch künstliche Intelligenz ermöglichen eine präzise und frühzeitige Identifizierung potenzieller Schäden.