Sistemi di monitoraggio strutturale per ponti ed infrastrutture / Structural health monitoring systems for bridges and infrastructure

 Sistemi di monitoraggio strutturale per ponti ed infrastrutture / Structural health monitoring systems for bridges and infrastructure

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Sebbene sia corretto presumere che il monitoraggio strutturale (SHM) sia una branca dell'ingegneria utilizzata per mantenere la stabilità strutturale delle vecchie strutture, sarebbe sbagliato presumere che questo sia l'unico ruolo di questa tecnologia. In pratica, i moderni sistemi SHM sono altrettanto validi se integrati nei ponti di nuova costruzione. Senza voler essere fatalisti, anche i ponti appena commissionati ed altre infrastrutture realizzate di recente possono presentare difetti nascosti.

Ogni pedone ed automobilista ha visto il monitoraggio strutturale (SHM) in azione. I sensori si estendono in piccole scatole resistenti alle intemperie, piene di componenti elettronici per la raccolta di dati di telemetria che alimentano i cavi. Ogni filo è instradato ordinatamente lungo travi, parapetti e giunti di dilatazione, trasmettendo silenziosamente un flusso di dati a ingegneri e squadre di manutenzione. Dove vanno questi cavi? A sensori integrati che misurano la deformazione meccanica e lo spostamento dei componenti.

Quando le strutture nuove e vecchie iniziano a faticare

Affrontiamo subito questo punto. L'usura ed il deterioramento generale dei ponti non sono necessariamente segnalati da segnali premonitori. Nel 2007, il ponte I-35W sul fiume Mississippi a Minneapolis crollò durante l'ora di punta serale. Questa terribile tragedia si verificò senza preavviso, mentre 111 veicoli lo stavano attraversando. Il monitoraggio strutturale serve proprio a prevenire cedimenti di questo tipo, a rilevare segnali silenziosi di deterioramento utilizzando la tecnologia come un sistema di allerta precoce intelligente.

Non è nemmeno possibile applicare una sorta di regola generale sull'invecchiamento al problema. In India, questa volta, un ponte centenario a Morbi, nel Gujarat, è crollato nel fiume Machchhu, uccidendo oltre 135 persone. Il motivo per cui viene citato questo esempio è che il ponte era stato ristrutturato solo pochi mesi prima. Semplicemente non è possibile prevedere i cedimenti strutturali, si può solo fornire un metodo efficace per individuare i rischi elevati prima che il deterioramento di una struttura progredisca fino al punto di non ritorno.

A questo scopo, i sistemi SHM sono stati progettati per osservare le reali condizioni di un ponte anziché basarsi su ipotesi. Le supposizioni su cosa sia vecchio o nuovo vengono abbandonate, reti di sensori vengono posizionate in punti critici lungo tutta la struttura e le misurazioni in tempo reale sostituiscono le congetture. Una struttura dotata di sistema SHM potrebbe presentare una qualsiasi combinazione delle seguenti caratteristiche:

Estensimetri: misurano le sollecitazioni e le deformazioni all'interno delle sezioni strutturali.

Accelerometri: Monitoraggio di vibrazioni, movimenti e risposta dinamica dei ponti

Sonde termiche: Monitorano le variazioni di temperatura che causano espansione o contrazione.

Rilevatori di spostamento: per rilevare variazioni di movimento, deriva o deflessione.

Inclinatori: misurano l'inclinazione, la rotazione e gli spostamenti angolari.

Celle di carico: Registrano le forze in cavi, ancoraggi e cuscinetti.

Sensori di umidità: rilevano l'ingresso di acqua che causa corrosione o danni

Negli ultimi tempi la scienza della misurazione ha raggiunto livelli di sofisticazione incredibili. Con la corrosione che agisce lentamente e corrodendo il metallo, speciali sensori di pH e sensori di resistenza a polarizzazione lineare rilevano la diffusione della ruggine in tempo reale, inviando i dati ai gruppi di manutenzione strutturale.

Trasformare i dati dei sensori in avvisi precoci utilizzabili

La catena di elaborazione SHM, nella sua forma più semplice, prevede il posizionamento di sensori su tutta la struttura e la raccolta dei dati in una centralina. Da qui, un tecnico collega un'apparecchiatura di registrazione remota, che può essere un tablet configurato appositamente od un altro dispositivo di comunicazione. Il tecnico registra i dati, passa alla fase successiva ed il lavoro è terminato, fino al successivo controllo di manutenzione. Si tratta di un metodo piuttosto elegante per condurre un'analisi SHM, ma non è certo il più rapido per individuare un problema in fase iniziale.

In sostituzione del metodo tradizionale in loco, le letture in tempo reale forniscono dati 24 ore su 24, raccogliendo e trasmettendo la telemetria dei segnali dei sensori a piattaforme di monitoraggio centralizzate, dashboard cloud o direttamente alle sale di controllo della manutenzione, dove gli ingegneri possono valutare il comportamento strutturale in tempo reale. Si tratta di un servizio che può essere fornito su richiesta od a cui alcune aziende hanno dedicato le proprie risorse. Consultate questo link di DYWIDAG, una divisione di monitoraggio dei ponti di una società di ingegneria specializzata in sistemi integrati di monitoraggio strutturale (SHM).

È questo l'unico aspetto fondamentale del monitoraggio strutturale (SHM)? Non proprio. L'analisi dei dati è l'ultimo elemento della catena SHM. Ed è probabilmente anche il più prezioso. I sensori possono raccogliere migliaia di letture ogni giorno, ma questi dati grezzi diventano utili solo quando vengono trasformati in tendenze, confronti ed avvisi. Utilizzando un software potente, vengono stabiliti i dati di riferimento quando la struttura funziona normalmente, quindi ogni nuova lettura, monitorata continuamente, viene rapidamente confrontata con tale valore di riferimento.

Se i livelli di vibrazione iniziano ad aumentare, se l'impalcato di un ponte si flette ulteriormente sotto l'effetto del traffico crescente, o se i livelli di umidità aumentano costantemente intorno ai giunti vulnerabili, il sistema segnala immediatamente l'anomalia. Alcune piattaforme generano avvisi automatici, mentre altre compilano cronologie delle prestazioni che aiutano gli ingegneri ad identificare il deterioramento graduale molto prima che si manifestino sintomi visibili.

In termini pratici, l'analisi dei dati trasforma il monitoraggio strutturale da un insieme di strumenti in un potente strumento decisionale. Invece di reagire solo dopo che le crepe si sono allargate o le chiusure sono diventate inevitabili, i gruppi di manutenzione hanno l'opportunità di pianificare gli interventi in anticipo, controllare i costi e mantenere le infrastrutture vitali in servizio in sicurezza.

Un futuro di monitoraggio sanitario più rapido e predittivo

Sebbene non sembri il miglior esempio di fluidità grammaticale, sta arrivando un sistema di monitoraggio strutturale predittivo "più" avanzato. La domanda guida l'offerta e questi sistemi all'avanguardia stanno già diventando parte integrante dei cantieri. Raccolgono dati su tutto, dai movimenti geotecnici alle variazioni della composizione chimica del terreno, inviando avvisi in modalità wireless al reparto di costruzione competente od ad un servizio di monitoraggio esterno.

L'intelligenza artificiale (IA) sta accelerando questa trasformazione. Invece di raccogliere dati e verificare la presenza di tendenze anomale, i software moderni possono confrontare milioni di punti dati storici, riconoscere modelli anomali e prevedere dove è più probabile che si verifichino problemi. Lievi aumenti delle vibrazioni, ripetuti picchi di umidità, graduali cedimenti del terreno che un tempo sarebbero passati inosservati: nessuno di questi piccoli cambiamenti ambientali e strutturali sfugge all'attenzione dell'apprendimento automatico.

La tecnologia del digital twin conclude questo articolo. Se i lettori non hanno familiarità con il termine, non c'è da stupirsi: si tratta di un nuovo approccio alla gestione delle infrastrutture in cui un ponte, una galleria od un'altra infrastruttura fisica viene associata ad un modello digitale in tempo reale. Questo gemello virtuale riceve un flusso continuo di dati dai sensori, consentendo agli ingegneri di visualizzare il comportamento strutturale in tempo reale, testare scenari di manutenzione e simulare carichi futuri o deterioramenti prima di prendere decisioni in loco.

Pensiamoci: mentre i sistemi convenzionali di monitoraggio strutturale rafforzano i fattori di sicurezza tramite reti di sensori, il gemellaggio virtuale ha il potere di replicare le condizioni reali della struttura e simulare l'ignoto, arrivando persino a modellare livelli di traffico più elevati o venti insoliti. Abbinando questa tecnologia all'apprendimento automatico, ci si può aspettare che il monitoraggio diventi veramente predittivo.

ENGLISH

While it’s right to assume that Structural Health Monitoring (SHM) is a branch of engineering used in maintaining the structural stability of old structures, it would be wrong to assume that’s the sole role of this technology.  Practically speaking, modern SHM systems are just as valuable when integrated into newly built bridges. Not to be a fatalist, but even newly commissioned bridges and other recently realized infrastructure assets can suffer from hidden defects.

Every pedestrian and driver has seen SHM at work. The sensors extend into small weatherproof boxes, packed with telemetry collecting electronics that feed out to cables. Each wire is tidily routed along girders, parapets, and expansion joints, quietly transmitting a stream of data to engineers and maintenance teams. Where do the cables go? To embedded sensors that measure mechanical strain and component displacement.

When new and old structures start to struggle

Let’s hit this point from the start. The wear and general deterioration of bridges isn’t necessarily signaled by precursive warning signs. Back in 2007, the I-35W Mississippi River Bridge in Minneapolis collapsed during evening rush hour. This terrible disaster happened without warning and while 111 vehicles were crossing. Structural health monitoring exists to prevent such failures, to detect silent signs of deterioration by employing technology as a smart early-warning system.

It’s not even possible to apply some kind of general aging rule to the problem. In India this time, a century old bridge in Morbi, Gujarat, collapsed into the Machchhu River, killing over 135 people. The reason this example is being quoted is because the bridge had been renovated just a few months before. It’s simply not possible to predict structural failures, only to provide a smart means of detecting elevated risks before the deterioration of a structure progresses to the point of no return.

For this purpose, SHM systems have been designed to observe the real condition of a bridge rather than rely on assumptions. Suppositions regarding old or new go out the window, networks of sensors are positioned at critical points throughout the structure, and live measurements replace the guesswork. An SHM-equipped structure could have any combination of the following:

Strain gauges: Measure stress and deformation within structural sections

Accelerometers: Tracking vibration, movement and dynamic bridge response

Thermal probes: Monitor temperature shifts causing expansion or contraction

Displacement detectors: For detecting movement, drift or deflection changes

Tiltmeters: Measure lean, rotation and angular shifts

Load cells: Record forces in cables, anchors, bearings

Moisture sensors: Detect water ingress causing corrosion or damage

The science of measurement has become incredibly sophisticated over recent times. With corrosion working its slow, metal-eating ways, special pH sensors and linear polarization resistance sensors sense the spread of rust in real time, sending the data to structural maintenance teams.

Turning sensor data into actionable early warnings

The SHM processing chain, at its most basic, positions sensors all over a structure, then collects the data into a terminal box. It’s from here that a technician connects remote logging equipment. Maybe it’s a specially configured tablet or some other communications device. They log the data, move on, job done, until the next maintenance checkup comes along. It’s a fairly elegant way of conducting SHM analysis but not exactly the fastest route to discovering a developing problem.

Replacing this onsite method, live readings carry data around-the-clock, collecting and transmitting sensor signal telemetry to central monitoring platforms, cloud dashboards or directly to maintenance control rooms where engineers can assess structural behavior in real time. It’s a service that can be provided as required or one certain companies have dedicated their resources to providing. Check out this link from DYWIDAG, a bridge monitoring branch of an engineering firm that specializes in integrated SHM systems.

Is that the be-all and end-all of SHM? Not quite. Data analytics is the final component in the SHM chain. It’s also arguably the most valuable. Sensors may gather thousands of readings each day, but those raw figures only become useful when turned into trends, comparisons and warnings. Using powerful software, baseline data is established when the structure is performing normally, then every fresh reading, continuously monitored, is rapidly measured against that benchmark.

If vibration levels begin to rise, if a bridge deck deflects further under rising traffic loads, or if moisture readings steadily increase around vulnerable joints, the system immediately highlights the deviation. Some platforms generate automatic alerts, while others compile performance histories that help engineers identify slow-moving deterioration long before visible symptoms emerge.

In practical terms, data analytics transforms SHM from a collection of instruments into one powerful decision-making tool. Instead of reacting after cracks widen or closures become unavoidable, maintenance teams gain the opportunity to plan interventions early, control costs and keep vital infrastructure safely in service.

A faster and more predictive health monitoring future

While it doesn’t sound like the best example of grammatical flow, a ‘more’ predictive structural health monitoring system is incoming. Need drives supply, and these advanced systems are already becoming part of the construction site. They pull in everything from geotechnical movement to soil chemistry changes, wirelessly pushing alerts to the relevant construction department or a third-party monitoring service.

Artificial Intelligence (AI) is accelerating that shift. Instead of collecting readings and checking for unusual trends, modern software can compare millions of historical data points, recognize abnormal patterns, and forecast where trouble is most likely to emerge. Subtle vibrational rises, repeated moisture spikes, gradual soil settlement that might once have gone unnoticed -- none of these tiny environmental and structural changes escape the notice of machine learning.

Digital twin technology brings this post to its conclusion. If readers aren’t familiar with the term, that’s not surprising; it’s a new approach to infrastructure management where a physical bridge, tunnel or other infrastructure asset is paired with a live digital model. That virtual twin receives a continuous feed of sensor data, allowing engineers to view structural behavior in real time, test maintenance scenarios and simulate future loading or deterioration before decisions are made on site.

Think of it, while conventional structural health monitoring systems strengthen safety factors via those sensor networks, virtual twinning has the power to mirror live structure conditions and simulate the unknown, perhaps to the point of modeling increased traffic levels or unusual winds. Partnering this technology with machine learning, expect monitoring to become truly predictive.

Da:

https://insights.globalspec.com/article/24892/structural-health-monitoring-systems-for-bridges-and-infrastructure?uid=%2D1474234620&uh=f9d092&md=260626&mh=63f134&Vol=Vol1Issue17&Pub=196&LinkId=2228503&keyword=link%5F2228503&itemid=417864&bid=46316836&frmtrk=newsletter&cid=nl