Acquista:
Un approccio metodologico per il monitoraggio strutturale di gallerie con rivestimento a conci: il caso della Galleria di Base del Brennero presso Aicha
Il monitoraggio strutturale (Structural Health Monitoring, SHM) ricopre un ruolo cardine nel garantire la capacità portante di rivestimenti a conci prefabbricati in gallerie lunghe e profonde. In questo articolo, viene presentato un approccio innovativo per il monitoraggio in tempo reale del rivestimento, combinando analisi agli elementi finiti, reti neurali artificiali e un algoritmo di ottimizzazione a sciame di particelle. I risultati delle simulazioni numeriche vengono utilizzati nel processo di apprendimento del modello surrogato, che è integrato in un algoritmo di ottimizzazione per trovare una soluzione numerica in un’analisi a ritroso. Il metodo è validato attraverso misurazioni registrate in una sezione del cunicolo esplorativo di Aicha, dove si è verificato un evento di carico anomalo sul rivestimento, e dove i risultati predetti dal metodo sono confrontati con le misurazioni sul campo.
Parole chiave: rivestimento a conci, gallerie, geomeccanica, SHM, reti neurali artificiali.
Structural health monitoring plays a pivotal role in guaranteeing the load bearing capacity of segmental linings in deep tunnels. In this paper, a new concept for real-time SHM of segmental lining is performed by combining finite element analyses, artificial neural networks and a particle swarm optimizer. The results of the numerical simulations are employed for the training of the surrogate model, which is embedded in an optimization algorithm for the solution of an inverse problem. The method is validated by means of measurements recorded in a section of the exploratory tunnel near Aicha, where a failure event occurred, and the predicted results are compared with in-field measurements.
Keywords: segmental lining, tunneling, geomechanics, SHM, artificial neural networks.
Se vuoi essere informato sulle nostre novità editoriali, registrati alla nostra newsletter!