Forschung

Die regelmäßige Inspektion und Überwachung künstlicher Objekte, heute gemeinhin als „Monitoring“ bezeichnet, ist für die Sicherheit und das Verständnis unserer Umwelt unabdingbar. Dies betrifft Ingenieurbauwerke, wie Brücken oder Tunnel und Infrastrukturelemente, wie zum Beispiel Straßen oder Bahntrassen, ebenso wie natürliche Objekte in Form von Dämmen, Hänge oder Waldflächen. Heute wird dazu eine Vielzahl unterschiedlicher Systeme eingesetzt, von taktilen über optische bis hin zu eingebetteten Sensoren. Die Forschungs- und Entwicklungsziele der Professur können in diesem Bereich wie folgt zusammengefasst werden:

• Erforschung und Entwicklung neuartiger optischer Systeme, wie beispielsweise Laserscanner, 3D-Kameras, für die Erfassung und Überwachung der 3D-Geometrie künstlicher und natürlicher Objekte.
• Erforschung und Entwicklung von Sensorimplementierungen auf mobilen Plattformen inklusive Referenzierung (Orientierung und Positionierung) für die hoch-genaue und schnelle Objektüberwachung.
• Erforschung und Entwicklung von verteilten Sensorsystemen zur kooperativen Erfassung der 3D-Geometrie.
• Fusionierung von verschiedenen Sensoren, z. B. Laserscanner, Kamera, Ultraschall, Radar, zu neuartigen Multi-Sensor-Systemen.

Mobile optische Sensoren ermöglichen eine hochgenaue (3D)-Strukturerfassung kompletter Objekte. Bei mobilen Systemen werden als Trägerplattform UAVs („Unmanned Aerial Vehicles“), Roboter oder Menschen eingesetzt. Die generierten Daten werden im zeitlichen Verlauf für eine Veränderungsanalyse (Deformationsanalyse) und zusätzlich als digitale Karte für die Identifikation potentieller Schadensbereichen verwendet. Neben dem Einsatz optischer Sensoren zur Erfassung der Oberflächencharakteristik eines Objektes spielt auch die Fusionierung mit Sensoren, die auf den Aufbau des Objekts rückschließen lassen, eine wichtige Rolle.

Die Datenanalyse und -interpretation bei komplexen technischen Prozessen ist heute vielfach ein manueller Prozess: Daten werden vom Menschen analysiert und entsprechend interpretiert. Problematisch ist dabei zunehmend die hohe Datenmenge durch eine zeitliche und räumliche Dichte, welche zu hochkomplexen Situationsbeschreibungen und Abhängigkeiten führen kann. So wird bei künstlichen und natürlichen Objekten vielfach nicht nur die 3D-Geometrie der Oberflächen erfasst, sondern auch mögliche Deformationseinflussgrößen wie Temperatur, Niederschlag, Belastungszustände, etc.. Die Modellierung dieser komplexen Zusammenhänge ist Gegenstand der Forschungs- und Entwicklungsarbeit der Professur. Berücksichtigt wird dabei, dass sich die Datenerfassung in den letzten zehn Jahren stark geändert hat – Systeme werden zunehmend mobil und frei von globalen Referenzsystemen eingesetzt. Neue Ansätze, wie die Analyse flächenhafter Veränderungen, werden erarbeitet und implementiert. Dabei werden stets die aktuellen Erkenntnisse auf dem Gebiet der Sensorentwicklung berücksichtigt. Am Ende können Maßnahmen zum Erhalt und zum dauerhaft sicheren Betrieb von natürlichen und künstlichen Großstrukturen abgeleitet werden.

Die Forschungs- und Entwicklungsziele können in diesem Bereich wie folgt zusammengefasst werden:

• Erforschung und Entwicklung neuartiger Prozesse zur Datenanalyse, wie z. B. Bewertung der Datenqualität unter Berücksichtigung der zugrundeliegenden Sensorik.
• Erforschung und Entwicklung von Dateninterpretationskomponenten auf der Basis selbstlernender Algorithmen (z. B. künstliche neuronale Netze).
• Erforschung und Entwicklung von Datenaufbereitungsmethoden zur Bewertung von Interpretationsergebnissen (als Grundlage für die menschliche Entscheidungsfindung).

Mit modernen Sensoren und Sensorkonzepten ergibt sich eine Fülle von Daten, die nach einer zeitlichen und räumlichen Referenzierung eine ganzheitliche Beschreibung des Objektes ermöglichen. Um den Aufwand zu minimieren, wird eine Fokussierung auf kritische Bereiche vorgenommen. Die Identifikation und Ortung dieser „Hotspots“ kann auf hinterlegtem Wissen über die Objektstruktur beispielsweise dem Tunnel- oder Brückentyp, den in der Vergangenheit identifizierten kritischen Situationen und Bereichen und den zur Verfügung stehenden Messungen basieren.

Vorteil einer geschlossenen Systemkette ist die Berücksichtigung entsprechender Stärken und Schwächen der einzelnen Prozessteile. So können beispielsweise im Interpretationsprozess die Systemspezifikationen der verwendeten Sensoren berücksichtigt und so eine Fehlinterpretation vermieden werden, wie z. B. relative Genauigkeit der Einzelpunktmessung bei laserbasierten Sensoren oder eine Temperaturdrift bei Abstandssensoren. Die Forschungs- und Entwicklungsziele können in diesem Bereich wie folgt zusammengefasst werden:

• Erforschung und Entwicklung von geschlossenen Systemketten, beginnend bei der Auswahl der Sensoren über die Verknüpfung unterschiedlicher sich ergänzender Systemkomponenten bis hin zur Datenfusionierung.
• Erforschung und Entwicklung von ganzheitlichen Kalibrieransätzen für geschlossene Systemketten.
• Erforschung und Entwicklung von Evaluierungsansätzen für geschlossene Systemketten.

Mit modernen Sensoren und Sensorkonzepten ergibt sich eine Fülle von Daten, die nach einer zeitlichen und räumlichen Referenzierung eine ganzheitliche Beschreibung des Objektes ermöglichen. Um den Aufwand zu minimieren, wird eine Fokussierung auf kritische Bereiche vorgenommen. Die Identifikation und Ortung dieser „Hotspots“ kann auf hinterlegtem Wissen über die Objektstruktur beispielsweise dem Tunnel- oder Brückentyp, den in der Vergangenheit identifizierten kritischen Situationen und Bereichen und den zur Verfügung stehenden Messungen basieren.