National Transport Library Research Database

AI-förbättrad digital tvilling för befintlig betongstruktur (AI-Enhanced Digital Twin for Existing Concrete Structure)

  • Zandi, Kamyab
  • Chalmers tekniska högskola AB, Universitet eller högskola, 556479-5598
Sponsors, duration, budget: Trafikverket ; 2020-09-01 -- 2022-03-31 Registration number:
  • Trafikerket 2020/69856
Subject(s): Abstract: Den huvudsakliga inriktningen för projektförslaget är att fullskaligt demonstrera nästa generations ramverk för tillståndsbedömningar. Centralt är också framtagning av riktlinjer för praktisk tillämpning av metoderna vilka förbättrar monitorering och kapacitetsberäkningar av befintlig infrastruktur. Projektet tar dagens inspektioner ett stort steg framåt och använder drönare för inspektion, datadrivna modeller för att upptäcka och kvantifiera eventuella skador samt fysikaliska modeller för att bedöma konstruktionens kapacitet. Alla delar länkas sömlöst samman genom en levande simuleringsplattform, en ”Digital Twin”, som uppdaterar sig själv med nytillkommen information efter varje inspektionsrunda. Projektet bidrar till resiliens hos, samt effektivt resursutnyttjande av, samhällets transportinfrastruktur och ger därmed betydande ekonomiska och miljömässiga besparingar. ”Digital Twin”-ramverket uppdaterar sig själv kontinuerligt med information från flera källor för att spegla sin fysiska motpart. Detta möjliggör att infrastrukturägare tidigt kan få insikt om potentiella risker från oväntade händelser, tunga fordon samt risker på grund av konstruktionens åldrande. Genom detta projektförslag kommer verktyg och beräkningsmodeller framtagna av Chalmers med samarbetspartners i tidigare forskningsprojekt vidareutvecklas och skräddarsys för praktisk användning. De kommer även tillämpas i ett fullskaligt försök för att på så vis demonstrera vikten av att i framtiden använda en ”Digital Twin” vid livscykelhantering av ny och befintlig infrastruktur. De specifika målen är att: * Öka robustheten vid autonom informationsinhämtning för att möjliggöra demonstration, * Utvidga den automatiserade datatolkningen för att i realtid kunna upptäcka en större variation av spricktyper, * Automatisera inkluderingen av sprickor i avancerade konstruktionssimuleringar, * Demonstrera ”Digital Twin”-konceptet i realtid genom ett fullskaleförsök, * Nyttiggöra projektets resultat och skapa riktlinjer för implementering Abstract: The overarching goal of this proposal is to implement and demonstrate the next-generation condition assessment framework and provide practical implementation guidelines. The project, in a long run, will contribute to a radical transformation of current condition assessment practices by leveraging drones for inspection, AI-enhanced methods for damage quantification, and advance non-linear simulations for performance prediction, all seamlessly connected to a living simulation platform “Digital Twin” which updates itself after each inspection round.
Item type: