Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Smart tillståndsbedömning, övervakning och förvaltning av kritiska broar

Diarienummer
Koordinator KUNGLIGA TEKNISKA HÖGSKOLAN - KTH Avdelningen för bro- och stålbyggnad
Bidrag från Vinnova 1 497 000 kronor
Projektets löptid oktober 2016 - december 2018
Status Avslutat
Utlysning Strategiska innovationsprogrammet InfraSweden

Viktiga resultat som projektet gav

Det övergripande målet med projektet var att utveckla ett integrerat system för övervakning, dataöverföring, tillståndsbedömning och beslutsstöd för kritiska broar. Utrustning för trådlös mätning av den verkliga responsen på broar har utvecklats och testats på Gamla Lidingöbron i Stockholm. Metoder har utvecklats för att utnyttja den uppmätta responsen för tillståndsbedömning och planering av underhållsåtgärder. Genom molnbaserade tjänster för informationsspridning kan resultatet från mätningarna visas i en App för mobiltelefoner.

Långsiktiga effekter som förväntas

Resultatet av projektet visar att det finns tillförlitliga trådlösa system för långtidsmätningar på broar. Vi har också sett att det går att alstra energi från vibrationer inducerade av tågpassager, trots att bidraget är lågt, och hur planeringen av mätningar och dataöverföringar kan förlänga batteriernas driftstid. Genom de teoretiska modellerna som utvecklats kan mätdata användas för att förlänga livslängden på befintliga broar med kända skador. Resultatet av projektet väntas bidra till ett mer utbrett användande av mätningar för att behålla kritiska broar i drift.

Upplägg och genomförande

En utvärdering av experimentell och kommersiell utrustning för trådlösa mätningar har genomförts med Gamla Lidingöbron som studieobjekt. Data från mätningarna har utnyttjats dels till att utveckla och testa rutiner för kommunikation och energiinsamling, och dels som underlag för fallstudier inom projektets mer teoretiska delar. Modeller för tillståndsbedömning och skadedetektering har involverat teoretisk modellering av nedbrytningsprocesser och livslängdsbedömning, samt maskininlärning genom artificiella neurala nätverk (ANN).

Externa länkar

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 12 december 2016

Diarienummer 2016-03272