Preview

Author(s):	Varabei, Yauhen; Wimmer, Johannes; Braml, Thomas
Title:	Ingenieurbauwerke als intelligente Systeme - Erhaltungsmanagement mit Structural Health Information Patterns (SHIPs)
Abstract:	Intelligente Systeme (IS) erreichen derzeit die Industrie 4.0 [1, 2] in einem vielfältigem Einsatzspektrum. Mit dem Erhalt von Big Data können IS-Anwendungen von neuen Techniken des maschinellen Lernens (ML) erweitert werden, um auf Basis der IS erzeugte Digitale Zwillinge direkt umzusetzen. Auf Ingenieurbauwerke können diese Techniken durch ein Bauwerksmonitoring übertragen werden. Durch Onlineüberwachung des Betriebsverhaltens kann ein intelligentes Erhaltungsmanagement über den gesamten Lebenszyklus mit einer proaktiven Schadenserkennung betrieben werden. Mittlerweile ist die Entwicklung wirtschaftlicher intelligenter smarter Verfahren für die Wissensextraktion in der künstlichen Intelligenz (KI) von ausschlaggebender Bedeutung. Der Beitrag stellt die Structural Health Information Patterns (SHIPs) vor, die aus einem Monitoring gewonnen und mit einer ML-Technik erzeugt werden. Es wird die Erstellung von SHIPs gezeigt. Zudem wird dargestellt, welches Bauwerksmonitoring für die Zustandsüberwachung erforderlich ist, sodass die ML-Techniken für ein intelligentes Erhaltungsmanagement angewandt werden können. Es werden neuartige Ansätze der intelligenten Analyse mit unüberwachtem und überwachtem ML in Hinblick auf SHIPs für die technische Strukturüberwachung des Ingenieurbauwerks betrachtet. Die neue SHIP-Methodik wird abschließend an einem Praxisbeispiel, der Heinrichsbrücke Bamberg, demonstriert. Civil engineering structures as intelligent systems - maintenance management with Structural Health Information Patterns (SHIPs) Intelligent systems (IS) reach the Industry 4.0 [1, 2] in the varied application spectrum at present. By receiving Big Data IS-applications can be expanded with new techniques of machine learning (ML) to implement directly digital twins created on the basis of the IS. To the civil engineering structures these techniques can be carried over by means of structural monitoring. Using the Online-Monitoring of the operational behaviour an intelligent maintenance management can be run over the whole life-cycle with the proactive damage recognition. Meanwhile, the development of economical intelligent smart methods for the knowledge extraction is of critical importance in the artificial intelligence (AI). The article presents the Structural Health Information Patterns (SHIPs) to be obtained from a monitoring and generated with a ML-technique. The construction of SHIPs is shown. Moreover, it is described what structural monitoring is needed for condition tracing so that the ML-techniques for an intelligent maintenance management can be applied. Innovative approaches of the intelligent analysis with unsupervised and supervised ML are considered regarding SHIPs for the technical structural monitoring of the civil engineering structure. The new SHIP-methodology is demonstrated on a practical example, Heinrich bridge Bamberg, finally.
Source:	Beton- und Stahlbetonbau 117 (2022), No. 7
Page/s:	472-487
Language of Publication:	German

I would like to buy the article

You can download this article for 25 € as a PDF file (3.61 MB).
The PDF file can be read, printed and saved.
Duplication and forwarding to third parties is not allowed.

Please enter your email address now to start the order process.
The link for the download will be sent to the email address stated after the
order process has been completed.

Your email address

I am an online subscriber

As an online subscriber of the journal "Beton- und Stahlbetonbau" you can access this article via Wiley Online Library.

I would like to order "Beton- und Stahlbetonbau"

This article has been published in the journal "Beton- und Stahlbetonbau". If you would like to learn more about the journal, you can order a free sample copy or find out more information on our website.

Prices include VAT and postage. Prices for 2017/2018.
€ Prices apply to Germany only. Subject to alterations, errors excepted.