Systeme zur Überwachung des strukturellen Zustands von Bauwerken (SHM – Structural Health Monitoring) zielen darauf ab, auf potentielle Gefahren für die strukturelle Integrität eines Bauwerks aufmerksam zu machen, um mit Maßnahmen entgegenwirken zu können. In kabellosen SHM-Systemen wird zudem häufig eingebettete Programmierung genutzt, um SHM-Aufgaben direkt auf den Sensorknoten durchzuführen und die stromaufwändige Übertragung großer Datensätze zu vermeiden. Die daraus folgende Knappheit an rohen SHM-Daten macht die manuelle Erkennung von Anomalien, wie etwa Sensorfehlern, innerhalb der Daten mühsam. Ein Sensorfehler wird normalerweise durch Fehlfunktionen oder externe Faktoren verursacht, was zu einem Fehler und schließlich zum Ausfall des SHM-Systems führen kann.
Um einen zuverlässigen Betrieb von drahtlosen SHM-Systemen zu gewährleisten, müssen Sensorfehler effektiv behandelt werden. Der Bereich „Fehlerdiagnose“ behandelt den Umgang mit Sensorfehlern in vier Stufen:
- Fehlererkennung (Anomalien in SHM-Daten werden erkannt)
- Fehlerisolierung (genauer Fehlerort wird ermittelt)
- Fehleridentifikation (die Art des Fehlers wird ermittelt)
- Fehleranpassung (umfasst Korrekturmaßnahmen zur Ausbesserung der Fehlereffekte)
Fehlerdiagnoseansätze basieren üblicherweise auf Vergleichen zwischen virtuellen Sensorausgaben und tatsächlichen Sensorausgaben. In dieser Forschung werden virtuelle Sensorausgaben basierend auf inhärenten Korrelationen zwischen Systemantworten von verschiedenen strukturellen Orten berechnet (analytische Redundanz). Die Korrelationen zwischen Datensätzen werden durch Ersatzmodelle approximiert.
Abbildung 1: Verschiedene Sensorfehlertypen
Projektbezogene Publikationen
- Steiner, M., Fritz, H., Thiebes, L. & Dragos, K., 2018. Fault diagnosis in wireless structural health monitoring systems based on support vector regression. In: 30. Forum Bauinformatik. Weimar, 19.09.2018.
- Steiner, M., Legatiuk, D. & Smarsly, K., 2019. A support vector regression-based approach towards decentralized fault diagnosis in wireless structural health monitoring systems. In: The 12th International Workshop on Structural Health Monitoring (IWSHM). Stanford, CA, USA, 10.09.2019.
- Fritz, H., Peralta, J., Legatiuk, D., Steiner, M., Dragos, K., & Smarsly, K., 2022. Fault diagnosis in structural health monitoring systems using signal processing and machine learning techniques. In: Cury, A., Ribeiro, D., Ubertini, F., Todd, M. D. (eds.). Structural health monitoring based on data science techniques. Seiten 143-164. Cham, Switzerland: Springer, DOI: 10.1007/978-3-030-81716-9_7.
Kontakt
M. Tauscher, M.Sc.
Bauhaus-Universität Weimar
Informatik im Bauwesen
Coudraystraße 13 b, Raum 002
99423 Weimar
E-Mail: maria.tauscher[at]uni-weimar.de
Telefon: +49 3643 58 4219