ADMO - Automatische datengetriebene Modellbildung und H_2/H_∞-Norm basierte Dimensionsreduktion von prozessorientierten und kooperativen Systemen zur SHM-Zustandsanalyse mit Methoden der Systemidentifikation und maschinellem Lernen an exponierten Bauwerke

Der digitale Wandel bewirkt tiefgreifende Veränderungen in allen gesellschaftlichen Bereichen. In der Fusion von BIM, der optimierten Planung, Ausführung und Bewirtschaftung von Anlagen, Bauwerken und Infrastrukturen, mit dem Structural Health Monitoring (SHM) fungiert ein digitaler Zwilling als zentrales Element einer effizienten Datenorganisation.

Zielsetzung dieses Projektes ist eine Methode, die eine automatisierte datengetriebene Modellbildung auf Basis der H2/H-unendlich- Norm und Methoden der Systemidentifikation gekoppelt mit maschinellem Lernen realisiert. Damit wird eine Zustandsanalyse als digitaler Zwilling über die Lebensdauer des realen Zwillings, dem Bauwerk, möglich, die Eingang in ein SHM/BIM-Konzept findet. Auf Basis von prozessorientierten kooperativen Systemen sind besondere, physikalisch interpretierbare Indikatoren in der Lage automatisch Strukturveränderungen anzuzeigen und zu lokalisieren.

Die numerische Methode arbeitet mit stochastischen mehrfachkorrelierten Output-Only Messdaten unter besonderer Berücksichtigung und Klassifikation von Umwelt- und Betriebsbedingungen. Die automatisch erstellten parametrisierten stochastischen Prozessmodelle der System- und Filtertheorie ermöglichen eine Prädiktion zukünftiger Schadenszustände an der untersuchten Struktur. Der Baulastträger bekommt damit ein Instrumentarium zur vorausschauenden Planung von Instandhaltungsmaßnahmen an Bauwerken mit hohem volkswirtschaftlichem Nutzen.