Datenbasierte Verbesserung von Simulationsmodellen zur Identifikation von stochastischen digitalen Zwillingen von Brücken

• Antragsteller: Dr.-Ing. Jörg F. Unger; Dr. Martin Weiser
• Fachliche Zuordnung: Architektur, Bau- und Konstruktionsgeschichte, Bauforschung, Ressourcenökonomie im Bauwesen
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 501811638

Ziel des Antrages ist es, Methoden zur Entwicklung eines digitalen Zwillings basierend auf Simulationsmodellen zu entwickeln, der insbesondere in der Lage ist, eine Abschätzung über die Prognosequalität der Simulationsergebnisse zu liefern. Diese Abschätzung wird über Bayes-Verfahren unter Verwendung sowohl von Labor- als auch von Monitoringdaten realisiert. Eine besondere Herausforderung bei der Entwicklung eines zuverlässigen Simulationsmodells für Brücken ist es, dass in vielen Fällen die Modellannahmen aus dem Design nur bedingt der realen Umsetzung entsprechen. Aus diesem Grund ist ein adaptiver Prozess notwendig, in dem zusätzliche physikalische Effekte hinzugefügt bzw. verändert werden (Randbedingungen, Geometrie der Bewehrungslagen, Konstitutivgesetze) bis der digitale und der reale Zwilling im Rahmen der Qualitätsanforderungen identische Eigenschaften aufweisen. Allerdings kann der Vergleich zwischen Messdaten und Simulationsergebnissen nicht manuell erfolgen, einerseits aufgrund der großen Dimension des Datenraumes (große Anzahl und verschiedene Typen von Sensoren), andererseits auch aufgrund der großen Datenmenge, die aus einem Monitoring resultiert. Weiterhin führen aufgrund der Elliptizität der zugrunde liegenden Differentialgleichungen lokale Änderungen an einer Stelle im Modell zu Änderungen des globalen Verhaltens, d.h. die Lokalisierung von Modellabweichungen nur aus den Daten ist oft nicht möglich. Ziel des Projektes ist es deshalb, eine semi-automatische Herangehensweise zu entwickeln. Basierend auf einem initialen, physikalisch motivierten Modell werden mit Hilfe von Daten die Parameter des Modells kalibriert. Gleichzeitig werden aus den Daten mögliche Modellverbesserungen identifiziert. Dabei sollen verschiedene Ansätze basierend auf Gausschen Prozessen, Zufallsfeldern für Materialparametern oder einer Auswahl aus vordefinierten Modellverbesserungsmethoden verglichen werden. Darauf aufbauend soll der Modellierer eine physikalisch motivierte Modellverbesserung (evtl. mit zusätzlichen Parametern) entwickeln, bis das Simulationsmodell ausreichend genau ist. Für die Kalibrierung der Modellparameter ist eine große Anzahl von Berechnungen des Vorwärtsmodells (FE-Modell der Brücke) erforderlich. Um die Effizienz der Methodik zu erhöhen, sollen die Vorwärtsmodelle durch Metamodelle ersetzt werden. Dazu werden insbesondere Gaussche Prozesse und Bayessche physikalisch-informierte neuronale Netze verwendet. Die Methodik soll im Rahmen des Projektes an verschiedenen Beispielen mit unterschiedlichem Komplexitätsgrad validiert werden. Beginnend mit virtuellen Daten mit einfachen Balkenmodellen (inkl. Fehlstellen), existierenden Brückendemonstratoren auf unserem Testgelände bis hin zu den realen Daten aus dem Demonstrator im SPP. Parallel zu der Entwicklung der Methodik wird eine kontinuierliche Entwicklung der Interfaces zu den anderen Projekten im SPP und eine Integration in eine gemeinsame Plattform angestrebt.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2388: Hundert plus - Verlängerung der Lebensdauer komplexer Baustrukturen durch intelligente Digitalisierung
• Mitverantwortlich: Professor Phaedon-Stelios Koutsourelakis, Ph.D.