Entwicklung und Analyse von Merkmalen für datengetriebene Ansätze zur Schadenserkennung an Brücken basierend auf Einflusslinien aus nichtinvasiven Messverfahren

Brücken sind ein wichtiger Bestandteil der Infrastruktur, deren Funktion muss eine lange Zeit aufrechterhalten werden. Die bisherige konventionelle Brückenprüfung erfolgt durch visuelle handnahe Untersuchungen in festen Prüfintervallen. Dabei können nur Schäden erkannt werden, die sich auch an der Oberfläche abzeichnen oder erst durch weitere Prüfverfahren, die vom jeweiligen Prüfingenieur initiiert werden. Beim Brückenmonitoring können auch Schäden im Inneren der Brücke durch die Messung und Analyse der Brückenbewegung erkannt werden. Somit stellt Brückenmonitoring eine Ergänzung zur konventionellen Brückenprüfung dar. ... mehrFür das Brückenmonitoring werden Sensoren benötigt, mit denen die Brückenbewegung erfasst werden kann, die aus Fahrzeugüberfahrten über diese resultieren. Aus dem gemessenen Signal kann jedoch nicht ohne Weiteres auf einen Schaden geschlossen werden.
Die vorliegende Arbeit beschäftigt sich mit der Extraktion von Merkmalen aus dem Messsignal sowie mit deren Vergleich und Analyse. Die Merkmale werden aus Verschiebungssignalen, die mit dem Ground-Based Radar (GBR) gemessen werden können, extrahiert und mit denen basierend auf den Dehnungen, die mit Dehnungsmessstreifen aufgenommen werden, verglichen. Das GBR misst kontaktlos und kann mobil eingesetzt werden. Beide Messsysteme schränken den fließenden Verkehr auf der Brücke nicht ein. Die hier betrachteten Merkmale basieren auf sogenannten Einflusslinien, die das resultierende Signal an einem festen Referenzpunkt (Sensorposition) darstellen, welches sich aus einer über die Struktur wandernden Einheitslast ergibt. Somit ergibt sich für die Extraktion der Merkmale aus den gemessenen Signalen, dass ein Zeitfenster verwendet wird, in dem eine Überfahrt eines einzelnen Fahrzeugs über die Brücke statt gefunden hat. Im Vergleich der Merkmale schneiden die sogenannten R-Merkmalsvariationen am besten ab und werden ausführlicher analysiert. Die R-Merkmalsvariationen stellen das Verhältnis zweier integrierter Einflusslinien oder Teileinflusslinien dar, wobei die Einflusslinien an zwei unterschiedlichen Sensorpositionen bestimmt werden. Dabei erweisen sich die R-Merkmalsvariationen als schadenssensitiv und unabhängig gegenüber unterschiedlichen Fahrzeuggeometrien, auch unter Berücksichtigung von Messrauschen. In den ausführlichen Untersuchungen zeigt sich, dass mit gewissen Sensoranordnungen eine Unabhängigkeit gegenüber unterschiedlichen Fahrspuren und Temperaturänderungen erreicht werden kann. Ein weiterer Vorteil der R-Merkmalsvariationen ist, dass die Einflusslinien nicht explizit bestimmt werden müssen, um diese zu berechnen.

Bridges are an important part of the infrastructure ans their function must be maintained for a long time. In conventional bridge inspection, the bridge is visual manually inspected at fixed intervals. Only damage that is also visible on the surface can be recognised, or can be detected through further testing procedures, which must be initiated by the test engineer. With bridge monitoring, damage can be detected through measurement of the bridge movement and their analysis, including damage inside the bridge. This means that bridge monitoring can supplement conventional bridge inspections. ... mehrBridge monitoring requires sensors that measure the bridge movement resulting from crossing vehicles. However, damage cannot be deduced from the measured signal without further analysis.
This thesis is about extracting features from the measured signal as well as their comparison and analysis. The features are extracted from displacement signals that can be measured with the Ground-Based Radar (GBR). The GBR measures without contact and can be used in mobile applications. Features based on the displacements are compared with those based on the strains recorded with strain gauges. Neither measurement system disturb the traffic on the bridge. The features analysed here are based on so-called influence lines, which correspond to the resulting signal at a fixed reference point (sensor position) for a moving unit load across the structure. This means for feature extraction from the measured signals that a time window is used in which a single vehicle has crossed the bridge. When comparing the features, the so-called R feature variations perform best and are analysed in more detail. The R feature variations represent the ratio of two integrated influence lines or partial influence lines, whereby the influence lines are determined at two different sensor positions. R feature variations prove to be damage-sensitive and independent of different vehicle geometries, even when measurement noise is taken into account. The detailed investigations show that certain sensor arrangements can achieve independence from different lane deviations and temperature changes. Another advantage of the R feature variations is that the influence lines do not have to be explicitly determined in order to calculate them.