Inteligentna ocena stanu konstrukcji istniejących stalowych mostów kolejowych / Intelligent structural condition assessment of existing steel railway bridges

Głównym celem projektu jest zademonstrowanie innowacyjnej strategii oceny stanu technicznego istniejących stalowych mostów i wiaduktów kolejowych. Badania będą opierać się na danych zebranych z systemów monitoringu konstrukcji (Structural Health Monitoring, SHM) połączonych z informacjami pochodzącymi z systemów wizji
komputerowej zainstalowanych na bezzałogowych dronach (Unmanned Aerial Vehicles, UAVs). Ponadto analiza danych będzie zautomatyzowana i oparta na technikach sztucznej inteligencji (AI). W kolejnym etapie, dane te posłużą do oceny konstrukcji do jej dalszej eksploatacji przy użyciu metody niezawodności opracowanej przez zespół z Polski.
Dane pochodzące z systemu ciągłego monitorowania pod obciążeniem ruchem (SHM) są zazwyczaj oparte na pomiarach przyspieszeń, odkształceń i przemieszczeń.
Wdrożona zostanie dedykowana strategia sztucznej inteligencji, obejmująca trzyetapową procedurę: wyciągnięcie cech, normalizację i klasyfikację. W tym zakresie wykorzystanie informacji pochodzących z różnego rodzaju czujników, a także możliwość wykrywania i lokalizowania uszkodzeń stanowi innowacyjność.
W przypadku obrazów pobranych z UAV opracowana zostanie Konwolucyjna Sieć Neuronowa (CNN) do wykrywania i charakteryzowania typowych uszkodzeń występujących w stalowych mostach i wiaduktach kolejowych. CNN będzie wymagała zdefiniowania dedykowanego modelu klasyfikacyjnego, przewidującego identyfikację pojedynczych i
wielokrotnych nieprawidłowości/uszkodzeń, zwykle związanych z korozją, ubytkiem materiału (utrata przekroju, dziury), widocznymi pęknięciami i luźnymi połączeniami.
Dodatkowo zostanie opracowana technika rekonstrukcji fotogrametrycznej, oparta na obrazach georeferencyjnych zebranych z UAV, w celu wykonania pomiarów geometrycznych mostu.
Wszystkie informacje eksperymentalne zostaną wykorzystane do opracowania, aktualizacji i walidacji modeli numerycznych MES mostów pod obciążeniem pociągami, przewidując opracowanie niezawodnego i dokładnego bliźniaka cyfrowego (digital tween DT). W pierwszej kolejności informacje z badań UAV zostaną wykorzystane do odtworzenia geometrii mostu, w tym konstrukcji nośnej, podpór oraz toru (szyny i podkłady). Również wyniki automatycznej identyfikacji nieprawidłowości/uszkodzeń zostaną wykorzystane do niezbędnych poprawek właściwości geometrycznych i mechanicznych przekrojów konstrukcji. Po drugie, do zweryfikowania zaawansowanych modeli numerycznych MES zostaną wykorzystane informacje z systemu SHM.
Zweryfikowane modele numeryczne zostaną wykorzystane do przeprowadzenia analizy wrażliwości i niezawodności konstrukcji z uwzględnieniem określonych scenariuszy obciążenia i tempa rozwoju uszkodzeń. Analiza niezawodności wraz z modelami MES posłuży do oszacowania przewidywanego okresu eksploatacji mostu o różnych poziomach bezpieczeństwa, z uwzględnieniem odpowiednich działań związanych z inspekcją i naprawą konstrukcji.