Eine bahnbrechende KI wurde mit Hilfe des Artec 3D-Scanners Leo ausgebildet, um die Kapazität einer Brücke vorherzusagen

Der Artec 3D-Scanner vom Typ Leo wird zur Digitalisierung von Trägern unter einer Brücke verwendet

Wenn man im Alltag von einem Gegenstand sagt, er sei „so hart wie Stahl“, dann soll das seine Haltbarkeit betonen – denn schließlich gilt das Material als eines der stärksten auf der Welt. Aber auch Stahl hat seine Grenzen.

Viele öffentliche Brücken beispielsweise werden von Stahlträgern getragen, die bei extremen Wetterbedingungen beschädigt werden können. Da Brüche im Material in der Vergangenheit weltweit zu zahlreichen Verletzten und Todesopfern sowie zu erheblichen finanziellen Verlusten geführt haben, ist eine regelmäßige Inspektion von entscheidender Bedeutung, um sicherzustellen, dass diese Brücken weiterhin zuverlässig stehen und mit voller Kapazität betrieben werden können.

Wird eine Verschlechterung des Zustands von Brücken festgestellt, kann ihre Belastungsgrenze herabgesetzt werden. Und unter bestimmten Umständen droht sogar ihre Sperrung – verbunden mit enormen wirtschaftlichen Kosten.

Wie Sie sich vorstellen können, verwalten die Behörden in Städten nur die Infrastruktur, mit teilweise Tausenden von Brücken, und sind gleichzeitig für die Erbringung verschiedener öffentlicher Dienstleistungen zuständig. Angesichts diverser Verantwortlichkeiten ist es wichtig, die verfügbaren Ressourcen so weit wie möglich auszuschöpfen.

Aus diesem Grund begannen Forscher der Technischen Universität Dresden und der University of Massachusetts Amherst schließlich damit, eine schnellere und genauere Prüfmethode für Stahlbrücken zu entwickeln.

Brückenträger aus Stahl, die Anzeichen von Verfall aufweisen (erkennbar in den erfassten 3D-Scandaten)

Nach bisherigem Stand der Technik wird bei der Untersuchung solcher Infrastrukturen korrodiertes Material entfernt und der verbleibende Rest mit zeit- und arbeitsintensiven Ultraschall-Einzelpunktaufnahmen vermessen. Mit Artec Leo hingegen haben die Forscher nun eine weitaus effizientere Methode zur Messung von Strahlen und zur Erfassung der hochdetaillierten Daten, die für eine schnellere und gründlichere Analyse erforderlich sind, gefunden.

Leos Effizienz „von in einer anderen Welt“

Ursprünglich entwickelten die Forscher ihren Arbeitsablauf auf der Grundlage von Daten, die mit einem terrestrischen Laserscanner erfasst wurden. Die University of Massachusetts Amherst verfügt über ein 3D-Innovationszentrum für digitale Medien, das Digital Media Lab 3D Innovation Center. Dieses ist mit fortschrittlichen Technologien ausgestattet, darunter auch ein auf einem Stativ montiertes Gerät, das zuvor zur Digitalisierung und Erforschung offener Landschaften wie Flussufer verwendet worden war.

Als es an die Identifizierung von Korrosionsmustern auf einem stillgelegten Stahlträger ging, stellte sich heraus, dass der vorhandene LiDAR-Scanner auch genügend Details erfassen konnte. In der Praxis der Brückeninspektion müssen die Träger jedoch an beiden Enden gemessen werden, und zwar in Bereichen, die nur mit einem Schaufelkran zugänglich sind.

Um mehr Flexibilität zu erreichen, wechselte das Team zu Artec Leo, einem kabellosen, sehr vielseitigen Gerät mit einer Genauigkeit von 0,1 mm und einer Erfassungsgeschwindigkeit von bis zu 35 Millionen Punkten pro Sekunde. Der von Artec 3D Ambassador Source Graphics gelieferte Leo ist nicht nur schnell und kompakt, sondern auch unglaublich intuitiv, so dass die Bedienung selbst für relative Neulinge, die von Anfang an hohe Präzision erreichen müssen, leicht zu erlernen ist.

Analyse der Trägerabweichung und der Restdicke eines natürlich korrodierten Brückenträgers mit Hilfe von mit Artec Leo erfassten 3D-Scandaten

„Normalerweise tritt Korrosion an Trägern, den Stützstrukturen des Brückendecks, auf. Wegen des Brückendecks muss man eine Seite scannen, anhalten, die Schaufel bewegen und dann die andere Seite scannen“, so Simos Gerasimidis, Associate Professor an der University of Massachusetts Amherst. „Es ist also sehr wichtig, dass das Gerät handlich, vielseitig und leicht zu bewegen ist. Leo zeigt auch an, ob man zu nah oder zu weit weg ist, so dass man sofort weiß, ob der Scan gut wird oder nicht.“

„Mit Leo sammelt man (mindestens) Hunderttausende von Punkten innerhalb von fünf Minuten. Mit herkömmlichen Methoden erfasst man einen Punkt in drei Minuten. Wenn man also die Effizienz an der Zeit pro erfassten Daten misst, ist das wie in einer ganz andere Welt.“

Prädiktive Inspektion mit KI

Nachdem Gerasimidis und seine Kollegen die 3D-Scans dank Leo gemeistert hatten, machten Sie sich daran, ihren Arbeitsablauf zu verfeinern. Die Verarbeitung begann in Artec Studio, der Software von Artec 3D für die Erfassung und Verarbeitung von Scans. Das Programm verfügt über einen HD-Modus, in dem selbst die Digitalisierung glänzender Metalloberflächen gelingt, sowie einzigartige Algorithmen, die eine erstklassige Textur- und Geometrieverfolgung ermöglichen.

Eine Strahlenanalyse wäre auch mit den integrierten Inspektionswerkzeugen des Programms möglich, jedoch entschied sich das Team stattdessen für die Arbeit mit rohen Punktwolken, um jegliche Möglichkeit einer Fehlausrichtung zu vermeiden.

Während der Datenbereinigung wurden 2D-Konturenkarten erstellt, welche die verbleibende Dicke der Stegplatte (oder des Stahlblechs) jedes Trägers veranschaulichten. Diese Karten bieten Inspektoren eine schnelle und einfache Möglichkeit, den Zustand eines Trägers zu visualisieren. Doch damit waren die Forscher noch nicht fertig – denn sie wollten eine Möglichkeit entwickeln, diese Daten zu nutzen, um die Brückenkapazität zu ermitteln.

Nachdem sie die Daten in ein Koordinatensystem eingefügt hatten, speiste das Team sie zur Strukturanalyse in die für Finite-Elemente-Analyse (FEA) konzipierte Software ABAQUS ein. Nachdem sie diesen Ablauf mit mehreren Scans von drei stillgelegten Trägern wiederholt hatten, nutzten sie ihre kombinierten FEA-Ergebnisse, um rechnerisch „Szenarien“ zu erstellen, in denen eine Überlastung zum Versagen des Materials führen würde.

„Für jedes der 1.400 erstellten Korrosionsszenarien verwendeten wir einen selbst entwickelten Algorithmus, um ein Finite-Elemente-Modell zu erstellen“, erklärt George Tzortzinis, Forscher an der TU Dresden. „Daraus konnten wir die Kapazität und den genauen Versagens-Modus des korrodierten Trägers ermitteln.“

Ein vollständiger 3D-Scan eines Brückenträgers, einschließlich kleiner Löcher und feiner Oberflächendetails

Mit dem Ziel, die Analyse der Brücken weiter zu beschleunigen, trainierte das Team anhand der erarbeiteten Szenarien eine KI, die mithilfe von maschinellem Lernen Muster zwischen den Eingabedaten finden und die Tragfähigkeit berechnen kann. Der Gedanke dahinter ist, dass Ingenieure, die mit 3D-Scannern erfasste Konturenkarten in das KI-Tool einspeisen, automatisch die Fähigkeit eines Trägers, bestimmte Lasten zu tragen, beurteilen können.

Nachdem das Team seinen Ansatz in einer kontrollierten Umgebung vorgeführt hatte, wandte es ihn in der Praxis bei der Inspektion einer in Betrieb befindlichen Brücke in Massachusetts an. Trotz der Vibrationen und der eingeschränkten Zugänglichkeit gelang es, schnell und effizient Abnutzungsbereiche in ähnlichen Bereichen auf allen Trägern zu identifizieren und die Daten zu generieren, welche die Ingenieure benötigten, um die Tragfähigkeit der Brücke mit größerer Genauigkeit zu bestimmen.

Wie geht es weiter mit der KI-gestützten Inspektion?

Wie herkömmliche Brückeninspektionsmethoden erfordert auch die von den Forschern entwickelte Methode den Einsatz eines Krans und die teilweise Sperrung von Straßen, doch ist schneller und verringert die Ungenauigkeiten bei der Inspektion erheblich. Angesichts von mehr als 20.000 Stahlbrücken in den USA, deren Zustand als „schlecht“ eingestuft wird, und mehr als 100.000 Brücken, die mit „mittelmäßig“ bewertet werden, geht man davon aus, dass ein effizienterer Ansatz der Federal Highway Administration und den Verkehrsbehörden der Bundesstaaten helfen könnte, den auf 125 Milliarden Dollar geschätzten Reparaturstau zu beseitigen.

Für die Zukunft schlägt das Team vor, seine Ergebnisse in einen umfassenden Schulungskurs zur Datenerfassung einfließen zu lassen, um die Branche zu vereinheitlichen. Längerfristig könnte die Integration von KI-gestützten Werkzeugen zur Bewertung von Lasten und dem Vergleich von Querschnittsverlusten bei Brücken auch die Instandhaltung der öffentlichen Infrastruktur in den USA insgesamt vorantreiben.

„Mehrere US-Bundesstaaten erwägen die Integration von 3D-Scans in ihre Arbeitsabläufe - einige verfügen bereits über Artec Leo“, so Gerasimidis abschließend. „Es handelt sich um eine Branche, die sich nur langsam verändert. Die Menschen wollen erst Beweise sehen, und die haben wir nun. Ich denke, die Technologie wird sich hier weiter entwickeln. Das wird vielleicht nicht in sechs Monaten geschehen, aber über einen Zeitraum von 5 bis 10 Jahren werden sich die Dinge ändern.“

Möchten Sie mehr über diese bahnbrechende Forschung erfahren? Hier können Sie den vollständigen Bericht lesen.