SensIT – Verifiering och prognostisering av tekniska funktionskrav på tunnelinfattning av betong – sensorbaseras prognosmetod med artificiell intelligens

Forskningsprojekt, 2021 – 2024

Projektet analyserar hur sensorbaserad övervakning kan användas för att identifiera och följa belastningar och skadetillstånd i sprutbetonginklädnader i bergtunnlar. Studien utgår från ett strukturellt övervakningsperspektiv där distribuerad fiberoptisk mätning (Distributed Optical Fibre Sensing, DOFS) kombineras med experimentella studier, numerisk modellering och dataanalys för att möjliggöra kontinuerlig verifiering av konstruktionens tillstånd.

Projektet omfattar en experimentell serie där typiska belastningsfall i bergtunnlar reproducerats i laboratorieskala. Försöksuppställningen består av två betonglager där ett fiberarmerat betongskikt simulerar sprutbetonginklädnaden och ett underliggande betongskikt representerar bergmassan. Belastningar motsvarande dels lokala blocklaster, dels distribuerade laster till följd av förlorad vidhäftning mellan berg och sprutbetong, har applicerats. Samtliga provkroppar har instrumenterats med distribuerade fiberoptiska sensorer för att registrera töjningsfält i konstruktionen.

Resultaten visar att distribuerad fiberoptisk mätning kan fånga både global deformation och lokala skadeprocesser i sprutbetonginklädnader redan vid relativt låga lastnivåer. Töjningsmönster och sprickbildning kan identifieras och kopplas till olika lasttyper och brottmekanismer. Experimenten visar också att gränssnittets vidhäftning mellan sprutbetong och underliggande material har stor betydelse för brottförlopp och restbärförmåga. Skillnader i ytförbehandling av underlaget kan leda till tydligt skilda brottmoder och lastupptagande mekanismer.

Projektets resultat utgör en viktig grund för utveckling av avancerade övervakningssystem för tunnlar där experimentella data kan användas för att kalibrera numeriska modeller och skapa syntetiska databaser för maskininlärningsbaserad analys. På sikt möjliggör detta utvecklingen av digitala verktyg för identifiering av belastningar, tidig skadedetektering och prediktion av konstruktionens strukturella tillstånd.

Projektets vetenskapliga resultat presenteras i flera publikationer samt i en licentiatuppsats där experimentella studier av belastningar och brottmekanismer i sprutbetonginklädnader redovisas.