Subproject C02

Automatische datengetrieben Modellbildung und H2/H-unendlich - Norm basierte Dimensionsreduktion von prozessorientierten und kooperativen Systemen zur SHM-Zustandsanalyse mit Methoden der Systemidentifikation und maschinellem Lernen an exponierten Bauwerk

Der digitale Wandel bewirkt tiefgreifende Veränderungen in nahezu allen gesellschaftlichen und technischen Bereichen. Besonders im Bauwesen führt die fortschreitende Digitalisierung zu neuen Möglichkeiten, Bauwerke über ihren gesamten Lebenszyklus hinweg effizienter zu planen, zu überwachen und zu bewirtschaften. In diesem Zusammenhang kommt der Vernetzung von Building Information Modeling (BIM), dass eine durchgängige, modellbasierte Planung, Ausführung und Verwaltung von Anlagen, Bauwerken und Infrastrukturen ermöglicht, mit dem Structural Health Monitoring (SHM) eine zentrale Bedeutung zu. Die Kombination beider Ansätze eröffnet den Weg zu einem digitalen Zwilling, der als virtuelles Abbild eines realen Bauwerks fungiert. Dieser digitale Zwilling erlaubt eine kontinuierliche Verknüpfung von Messdaten, Zustandsinformationen und Simulationsmodellen und bildet somit die Grundlage für eine effiziente und transparente Datenorganisation im gesamten Lebenszyklus einer Struktur.

In der ersten Projektphase wurde die Schadenslokalisationsmethode State Projection Estimation Error (SP2E) weiterentwickelt, automatisiert und erfolgreich sowohl an Laborstrukturen als auch an exponierten Bauwerken, unter anderem am Technikum des I4S und der Flossgrabenbrücke bei Zeitz, angewendet. Die Methode basiert auf identifizierten, /-optimierten Zustandsraummodellen und ermöglicht die Erkennung und räumliche Zuordnung von strukturellen Veränderungen anhand von Leistungsunterschieden zwischen Referenz – und Betriebszuständen.

Die zweite Projektphase fokussiert sich auf die Entwicklung von Zustandsindikatoren und Prognosemodellen, die eine längerfristige Bewertung des Strukturverhaltens erlauben. Ziel der weiteren Förderperiode ist es, aus den über SP2E gewonnenen Prognose- und Prozessmodellen physikalisch fundierte Handlungsempfehlungen abzuleiten. Diese sollen im Makrozeitbereich der Lebensdauer eines Bauwerks anwendbar sein und somit eine Grundlage für zustandsbasierte Wartung, frühzeitige Schadenserkennung und nachhaltiges Infrastrukturmanagement bilden.

Publikationen

  1. Rohrer, M., Moeller, M., & Lenzen, A. “A Testing Field for Studies of Environmental and Operational Effects in Structural Damage Localization of Mechanical Structures” Structural Control and Health Monitoring, 2024(1), 3970794.
    DOI: https://doi.org/10.1155/2024/3970794
  2. Becks et. al. (2024). Neuartige Konzepte für die Zustandsüberwachung und -analyse von Brückenbauwerken – Einblicke in das Forschungsvorhaben SPP100+. Bauingenieur, BD. 99 (2024) Nr. 10.
    DOI: doi.org10.37544/0005-6650-2024-10-63
  3. Moeller, Max, and Armin Lenzen. "Autonomous Energy-Based Model Order Selection in Parameter State Space Identification Via Cross Gramian and Symmetrizer."; Mechanical Systems and Signal Processing 228(2025): 112452; DOI: 10.1016/j.ymssp.2025.112452
  4. Rohrer, Maximilian, et al. "Experimental studies on multi‐scale data‐driven methods within the framework of structural health monitoring" Civil Engineering Design 2025; DOI: 10.1002/cend.202400036
  5. Lenzen, Armin, et al. "A large-scale experiment on the seven span Flossgraben Bridge in operation to investigate damage localization utilizing state projection estimation error (SP2E)" Engineering Structures, 2025, DOI: 10.1016/j.engstruct.2025.121626

    Liste aller Publikationen (inkl. Fachbeiträge auf Konferenzen): https://i4s.htwk-leipzig.de/mainnavigation/forschung/publikationen-neu-1