Application of machine learning methods on real bridge monitoring data

Wedel, Frederik; Marx, Steffen

doi:10.1016/j.engstruct.2021.113365

Cited by 22 publications

(8 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[31][32][33] Based on periodic measurements, the long-term crack development can be analyzed. In addition, extrapolation methods, for example, based on machine learning approaches, 34 enable the prediction of crack widths so that maintenance measures can be planned before the crack has a negative impact on the durability of the structure.…”

Section: Potentials Of Fiber Optic Sensing and Aim Of This Studymentioning

confidence: 99%

Crack monitoring on concrete structures: Comparison of various distributed fiber optic sensors with digital image correlation method

Herbers

Richter

Gebauer

et al. 2023

Structural Concrete

Self Cite

View full text Add to dashboard Cite

The quality of strain measurements using distributed fiber optic sensors (DFOS) depends largely on the bond between the host material and the optical fiber. Experimental investigations were carried out to test the suitability of five different DFOS types for crack monitoring. The DFOS were subsequently bonded to two 4 m long reinforced concrete (RC) beams, so that the influence of the application technique could be evaluated. DFOS measurements were verified by digital image correlation (DIC) and electrical strain gauges (SGs). For the different DFOS types, clear differences in the measured strain curves and determined crack widths were observed. The focus was on two robust DFOS, which can be deployed on construction sites. Compared to the layered sensing cable, a monolithic DFOS showed a clear strain distribution with pronounced strain peaks even for closely spaced cracks. The crack widths obtained by integrating the strain curves showed high agreement with DIC measurements.

show abstract

Section: Potentials Of Fiber Optic Sensing and Aim Of This Studymentioning

confidence: 99%

Crack monitoring on concrete structures: Comparison of various distributed fiber optic sensors with digital image correlation method

Herbers

Richter

Gebauer

et al. 2023

Structural Concrete

Self Cite

View full text Add to dashboard Cite

show abstract

“…To roll out the concept to the large number of bridges, the condition assessment needs to be facilitated. In addition to engineering approaches, data-based approaches such as in [19] are promising in this process.…”

Section: Discussionmentioning

confidence: 99%

Concept for a digital twin of railway bridges on the example of the new Filstal bridges

Naraniecki,

Lazoglu,

Marx

et al. 2023

ce papers

Self Cite

View full text Add to dashboard Cite

The preservation of infrastructure is becoming increasingly important. The current reactive maintenance management only initiates maintenance measures after damage has occurred. Short‐term measures can lead to unforeseen restrictions in infrastructure availability and thus cause high social and economic damage.High‐quality measurement technology, automated data analysis, structured data management and collaborative work are just a few technological developments that form the cornerstones for a future predictive maintenance strategy. The digital twin, a digital representation of the real object, combines these developments and is a promising method for a sustainable preservation of infrastructure.Using the example of the Filstal bridges, a concept for a digital bridge twin is introduced. The digital twin combines measurement data, bridge information, inspection results as well as structural safety verifications and aggregates them to continuously display the current bridge condition and thus supports the maintenance of bridges. For intuitive use, all information is located and presented in a way that is consumable by the user.

show abstract

“…Für einen Strategiewandel hin zu einer prädiktiven Instandhaltung bedarf es einer Vorgehensweise, die Daten zur Erkennung von Anomalien nutzt und somit Schädigungen vor dem Auftreten ankündigt. Neben Hilfsmitteln wie Bauwerksmonitoring oder numerischen Tragwerksanalysen lassen sich Bestandsdaten in Form von Inspektionsdaten auswerten, um neuralgische Bauwerkspunkte zu ermitteln [4, 5]. Eine Methode, die dem Prinzip der FMEA folgt, könnte hierzu einen Beitrag leisten, indem mit ihr kritische Schäden aus den Daten identifiziert werden.…”

Section: Motivation Und Zielstellungunclassified

Schadenspriorisierungsanalyse bei Eisenbahnbrücken – Priorisierung von Brückenschäden bei der Deutschen Bahn nach dem Prinzip der FMEA

Bartels

Naraniecki²,

Marx

2022

Bautechnik

Self Cite

View full text Add to dashboard Cite

Für die Zuverlässigkeit von Brücken ist die Instandhaltung essenziell. Ein wichtiger Bestandteil dieses Prozesses ist die Bauwerksinspektion, in der der Zustand der betrachteten Brücke bewertet wird. Diese Inspektionen folgen aktuell festgelegten Fristen. Aufgrund der begrenzten personellen und finanziellen Kapazitäten für die Instandsetzung von Brückenschäden stellt sich die Frage, welche dieser Schäden prioritär zu behandeln sind. Ein Lösungsansatz ist die Ausfalleffektanalyse (engl. Failure Mode and Effects Analysis, FMEA). Mit der Adaption der Methode soll eine, im Vergleich zu heute, objektivere Priorisierung der Schäden vorgenommen werden. Die Herausforderung besteht darin, die FMEA an die Inspektionsdaten von Brücken zu koppeln. Hierfür wurde eine hohe Zahl an Schadensdaten von Eisenbahnbrücken ausgewertet, die von der DB Netz AG bereitgestellt wurden. Die adaptierte Methode wird als Schadenspriorisierungsanalyse (SPA) bezeichnet, an die Schadenssystematik der DB Netz AG angepasst und schließlich an Schadensdaten von Spannbeton‐ und Stahlbrückenüberbauten validiert. Für die Bewertung wurden die drei Parameter Bedeutung, Wirksamkeit und Kosten definiert. Das Produkt der drei Parameter gibt Auskunft über die Kritikalität eines Brückenschadens. Trotz ihrer Bauformabhängigkeit ermöglicht die SPA eine objektivere Schadensbewertung. Somit kann sie bei der fundierten Instandhaltungsplanung von Brücken helfen und die Entscheidung der zu priorisierenden Schäden erleichtern.

show abstract

Application of machine learning methods on real bridge monitoring data

Cited by 22 publications

References 16 publications

Crack monitoring on concrete structures: Comparison of various distributed fiber optic sensors with digital image correlation method

Crack monitoring on concrete structures: Comparison of various distributed fiber optic sensors with digital image correlation method

Concept for a digital twin of railway bridges on the example of the new Filstal bridges

Schadenspriorisierungsanalyse bei Eisenbahnbrücken – Priorisierung von Brückenschäden bei der Deutschen Bahn nach dem Prinzip der FMEA

Contact Info

Product

Resources

About