Preistr?gerbrosch?re 2016

Autonome Fehlererkennung in kabellosen Bauwerksmonitoringsystemen mit Hilfe dezentralisierter neuronaler Netze

Preistr?gerin Katrin Jahr
katrin.jahr(at)tum.de
Hochschule Bauhaus-Universit?t Weimar

Projekt
Kabellose Sensoren zur automatisierten ?berwachung von Bauwerken werden derzeit verst?rkt in der Praxis angewendet. Katrin Jahr entwickelte daher in ihrer Arbeit ein Konzept, welches in der Lage ist, Sensorfehler autonom und dezentralisiert zu erkennen. Jeder Sensorknoten wird in die Lage gesetzt, selbstst?ndig und kontinuierlich die Integrit?t der eigenen Daten zu ?berpr?fen. Kernidee der Arbeit ist, die f?r jeden Sensorknoten erwartete Sensordaten unter verschiedenen vorher simulierten Konstellationen zu bestimmten und mit diesen Ergebnissen k?nstliche neuronale Netze zu trainieren. Mit Hilfe der neuronalen Netze k?nnen jetzt f?r jeden Sensor die Abweichungen zwischen vorhergesagten und gemessenen Sensordaten ermittelt werden. Insgesamt wurde gezeigt, dass k?nstliche neuronale Netze zur autonomen Fehlererkennung sehr gut geeignet sind, um die Stabilit?t und Genauigkeit von BMS (Bauwerksmonitoringsystemen) zu erh?hen.

Bewertung der Jury
Die Arbeit ?berzeugte die Fachjury durch eine klare und praxisnahe Umsetzung. Der vorgestellte Ansatz kann sehr gut auf Basis der bestehenden Systeme realisiert werden. Zudem l?sst sie einen hohen wirtschaftlichen Nutzen erwarten, da Messungen einfacher und schneller interpretiert werden k?nnen. Anhand eines anschaulichen Beispiels und einer eigenen softwaretechnischen Realisierung wurde die Anwendbarkeit gezeigt. Die Dokumentation und das entwickelte Softwaresystem sind sehr gut strukturiert und erweiterbar. Die Verwendung von k?nstlichen neuronalen Netzen f?r das Training von erwarteten Sensordaten ist sehr originell und ?u?erst innovativ. Frau Jahr hat ?berzeugend gezeigt, dass vorhandene M?glichkeiten des maschinellen Lernens sehr gut zur L?sung aktueller Fragestellungen aus dem Bauingenieurwesen verwendet werden k?nnen. Es werden Aspekte der Sensorik, Softwaretechnik, Informatik und des Bauingenieurwesens sehr effektiv zusammengef?hrt.

Die Preistr?gerin
Katrin Jahr m?chte Bauen sicher machen. Sie studierte Bauingenieurwesen an der Bauhaus-Universit?t Weimar und hat dabei ihre Liebe zur Informatik entdeckt. F?r das Masterstudium gab es dann nur eine Wahl: Bauinformatik! Bereits w?hrend des Studiums schrieb sie als studentische Mitarbeiterin ein Programm zur Auswertung von Monitoringdaten einer Br?cke. Im Rahmen ihrer Masterarbeit hat sie dann selbst?ndig ein vollst?ndig funktionsf?higes Monitoringsystem entwickelt. Weiter angetrieben von einer gro?en Portion Neugier wechselte sie nach Abschluss des Studiums an die TU M?nchen, wo sie sich jetzt im Rahmen ihrer Promotion mit der Sicherheit auf Baustellen besch?ftigt.

Das Besondere am Projekt
Bauwerksmonitoringsysteme werden eingesetzt, um ?nderungen im Tragverhalten und Sch?den an Bauwerken rechtzeitig zu erkennen. Allerdings beeinflussen Sensorfehler die Zuverl?ssigkeit und die Genauigkeit solcher Systeme negativ. Das hier vorgestellte System ist fehlertolerant ? durch st?ndige ?berwachung der Daten werden Sensorfehler direkt auf den drahtlosen Sensorknoten erfasst. Zur Fehlererkennung werden neuronale Netze genutzt. Neuronale Netze funktionieren wie unser Gehirn: Wenn sie genug Trainingsdaten erhalten, k?nnen sie sich automatisch an das untersuchte Bauwerk anpassen, ohne Kenntnisse ?ber die Eigenschaften des Bauwerks zu ben?tigen. Insgesamt wird die Sicherheit des Bauwerkes erh?ht, indem Betriebsausf?lle des Bauwerksmonitoringsystems durch Sensorfehler verhindert werden.