⚡ electrical engineering

A predictive machine-learning and topology-optimization framework for the seismic retrofit of vulnerable housing with UHPC overlays and FRP nanocomposites: transposing the United States experience to Peru

Dieses Papier schlägt ein integriertes Framework vor, das maschinelles Lernen und Topologieoptimierung mit UHPC- und FRP-Nanokomposit-Überlagungen kombiniert, um die seismische Nachrüstung des vulnerablen informellen Wohnungsbaus in Peru zu optimieren, während gleichzeitig US-amerikanische und japanische Best Practices und Standards an den lokalen peruanischen Kontext angepasst werden.

Ursprüngliche Autoren: PAUL RICARDO PRUDENCIO GALVEZ

Veröffentlicht 2026-07-06

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: PAUL RICARDO PRUDENCIO GALVEZ

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich ein Haus in Peru wie einen zarten, handgemachten Tontopf vor. Es wurde von Hand gebaut, oft ohne einen Masterplan, und es steht in einer Region, in der der Boden heftig bebt, wie eine riesige, unvorhersehbare Trommel. Wenn diese Trommel hart schlägt (ein Erdbeben), ist dieser Topf wahrscheinlich dazu bestimmt, zu reißen oder zu zerbrechen.

Dieses Papier schlägt eine hochtechnologische „Rüstung“ vor, um diese Töpfe zu retten, aber anstatt sie einfach in dicke, schwere Decken zu wickeln, verwendet es einen smarten, computergesteuerten Anzug aus Super-Materialien. So bricht der Autor dies auf:

1. Das Problem: Das „undichte Dach“ der Sicherheit

In Peru sind etwa 7 von 10 Häusern informell gebaut. Sie wurden nicht von Ingenieuren entworfen. Wenn ein massives Erdbeben einschlägt (was Wissenschaftlern zufolge statistisch wahrscheinlich ist), könnten über ein Drittel dieser Häuser zerstört werden.

Die Analogie: Es ist, als versuche man, eine Flut mit einem Sieb aufzuhalten. Die aktuellen Sicherheitsnetze (Bauvorschriften) existieren zwar, aber sie sind nicht mit der Realität Schritt gehalten, wie diese Häuser tatsächlich gebaut werden.

2. Die Lösung: Ein „Smarter Anzug“ für Häuser

Der Autor schlägt einen neuen Weg vor, um diese Häuser unter Verwendung zweier spezieller Zutaten zu repariieren:

UHPC (Ultra-Hochleistungsbeton): Betrachten Sie dies als „flüssigen Stahl“. Es ist eine Betonmischung, die so stark und dicht ist, dass sie in sehr dünnen Schichten gegossen werden kann, aber eine immense Kraft besitzt.
FRP-Nanokomposite: Stellen Sie sich vor, man umwickelt das Haus mit einem hochtechnologischen, kohlenstofffaserverstärkten Band (wie man es von Rennwagen oder Tennisschlägern kennt), das mit winzigen, unsichtbaren Partikeln (Nanotechnologie) verstärkt ist, um es noch widerstandsfähiger zu machen.

3. Das „Gehirn“ des Betriebs: Zwei Super-Werkzeuge

Das Papier sagt nicht einfach nur „bring dieses Zeug an der Wand an“. Es nutzt zwei fortschrittliche Computertools, um genau zu berechnen, wo und wie man es anbringt:

Werkzeug A: Die Kristallkugel (Maschinelles Lernen)
- Was es tut: Anstatt zu raten, wie stark der neue Beton sein wird, schaut der Computer auf tausende vergangene Experimente (wie ein Schüler, der für eine Prüfung lernt), um die Festigkeit mit einer Genauigkeit von 93 % bis 99 % vorherzusagen.
- Die Analogie: Es ist wie eine Wetter-App, die nicht nur rät, ob es regnen wird, sondern die genaue Regenmenge basierend auf historischen Daten vorhersagt, damit man weiß, wie groß der Regenschirm sein muss.
Werkzeug B: Der Bildhauer (Topologieoptimierung)
- Was es tut: Dieses Werkzeug fungiert wie ein digitaler Bildhauer. Es nimmt einen Block aus Material und „frisst alles weg“, was nicht benötigt wird, sodass nur die effizienteste Form übrig bleibt, um das Gewicht zu halten.
- Die Analogie: Stellen Sie sich einen Steinmetz vor, der eine Statue meißelt. Er schlägt nicht einfach wahllos Steine weg; er entfernt Stein aus der Mitte, um einen starken, hohlen Bogen zu hinterlassen, der mit dem geringsten Einsatz an Stein das meiste Gewicht trägt. Dieses Werkzeug macht das für die Betonüberdeckung und erstellt diagonale „Streben“ (wie die Knochen in einem Vogelflügel), die die Erdbebenkräfte sicher durch die Wand leiten.

4. Der Plan: Von den Besten lernen

Der Autor schaut sich an, wie andere Länder dies handhaben, und erstellt ein „Rezeptbuch“ für Peru:

Die USA: Sie haben ein massives Programm (GRRP), das Milliarden von Dollar ausgibt, um Häuser zu sanieren, wobei Computer entscheiden, welche Häuser am stärksten gefährdet sind.
Japan: Sie haben strenge, detaillierte Regeln (wie das Rezept eines Meisterchefs) für die Anwendung dieser Hochleistungsmaterialien, um sicherzustellen, dass die Arbeit perfekt ausgeführt wird.
Peru: Derzeit besitzt Peru die „Zutaten“ (Gesetze und einige Mittel), aber es fehlt das „Rezept“ für die Verwendung dieser spezifischen Hochleistungsmaterialien bei informellen Häusern.

Das Ziel des Papiers: Es nimmt das US-„Gehirn“ (die Nutzung von Computern zur Priorisierung und Vorhersage) und die japanischen „Hände“ (strenge Konstruktionsschritte) und passt sie an den peruanischen Kontext an.

5. Das Ergebnis: Eine leichtere, intelligentere Lösung

Durch diesen computergesteuerten Ansatz behauptet das Papier, dass man nicht die gesamte Wand mit teurem Material bedecken muss.

Die Analogie: Anstatt einen gebrochenen Arm in einem Gips zu wickeln, der den ganzen Körper bedeckt, setzt man den Gips nur auf den gebrochenen Knochen und die Gelenke, die Unterstützung benötigen.
Der Vorteil: Dies spart Geld (durch die Verwendung von bis zu 70 % weniger Material in einigen Fällen), während das Haus genauso sicher bleibt.

Was das Papier nicht behauptet

Es ist wichtig anzumerken, was dieses Papier nicht tut:

Es ist kein Bericht über ein Haus, das tatsächlich in der realen Welt gebaut und getestet wurde. Es ist ein „Blaupause“ und ein mathematischer Beweis.
Es sagt nicht, dass dies schon morgen passieren wird. Es räumt ein, dass lokale Materialien zuerst getestet werden müssen und dass die Konstruktionsschritte im Labor erprobt werden müssen, bevor sie auf jeder Straße in Peru angewendet werden können.
Es ist keine medizinische Studie; es handelt sich rein um Ingenieurwesen und Mathematik.

Zusammenfassend:
Dieses Papier ist ein Vorschlag, um das Raten über die Erdbebensicherheit zu beenden. Es schlägt vor, einen „smarten Computer“ zu nutzen, um eine maßgeschneiderte, leichte und superstarke Rüstung für Perus gefährdete Häuser zu entwerfen, indem es die besten Sicherheitsregeln aus den USA und Japan übernimmt und sie an die lokale Realität anpasst. Es geht darum, von „auf das Beste hoffen“ zu „berechneter Sicherheit“ überzugehen.

Technisches Resümee: Ein prädiktives ML- und Topologieoptimierungs-Framework für die seismische Ertüchtigung in Peru

Problemstellung
Etwa 70 % der Wohngebäude in Peru werden informell ohne Ingenieurplanung errichtet, vorwiegend unter Verwendung von Mauerwerk unter Einschluss (confined masonry) mit Druckfestigkeiten, die unter den durch die Norm NTE E.070 geforderten Mindestwerten liegen. In einer hochseismischen Zone gelegen, in der ein Ereignis der Magnitude $M_w \approx 8,0$ statistisch zu erwarten ist, sind diese Strukturen einer schweren Vulnerabilität ausgesetzt; unter einem Intensität-IX-Szenario könnten über 32 % Grad-4-Schäden erleiden. Während die Vereinigten Staaten über fortgeschrittene Ertüchtigungs-Programme (z. B. GRRP) verfügen, die maschinelles Lernen (ML) und ML-gestützte Priorisierung nutzen, und Japan Richtlinien für ultrahochfesten Beton (UHPC) und faserverstärkte Polymere (FRP) kodifiziert hat (JBDPA-2001), fehlt Peru ein landesweites Ertüchtigungsprogramm speziell für vulnerable Wohngebäude sowie ein expliziter normativer Pfad für UHPC und FRP-Nanokomposite. Zudem unterschätzen bestehende empirische Bemessungsgleichungen für diese Materialien die Kapazität oft im Vergleich zu ML-Modellen, die auf großen Datensätzen trainiert wurden, und die Topologieoptimierung (TO) bleibt in der Bemessung von Mauerwerksertüchtigungen weitgehend unberücksichtigt.

Methodik
Die Studie verwendet ein transdisziplinäres technisches Synthese-Design, das aus drei Säulen besteht:

Vergleichende Analyse: Eine quantitative Matrix mit elf Zeilen wurde entwickelt, um die seismischen Ertüchtigungsverfahren in den USA, Japan und Peru zu kontrastieren. Diese Analyse umfasst regulatorische Rahmenbedingungen, Ziel-Wohnbau-Typologien, Vulnerabilitätsindizes, dominante Technologien und die Anwendung von ML-Algorithmen (speziell Random Forest, XGBoost und Gradient Boosting Regression Trees).
Topologieoptimierung (TO): Ein zweidimensionales Ebene-Spannungs-Problem wurde für eine typische 2,40 m $\times$ 2,40 m Mauerwerkswand unter Einschluss formuliert. Unter Verwendung der SIMP-Methode (Solid Isotropic Material with Penalization) wurde die Dehnungsenergie unter Berücksichtigung einer 30 %igen Volumenbeschränkung für den UHPC-Überzug minimiert. Das Gebiet wurde in ein 96 $\times$ 96 Mesh diskretisiert, mit einer 50 mm passiven Zone um die Stützen. Die Optimierung nutzte eine Optimierungskriterien-Methode mit einem Sensitivitätsfilter-Radius von 1,5 Elementbreiten.
Prädiktive Modellierung und Strukturmechanische Gleichungen: Das Framework integriert ML-Vorhersagen für die Materialfestigkeit mit vier spezifischen strukturmechanischen Gleichungen:
- SIMP-Penalisierung: Um die Dichtewerte in Richtung binärer Zustände (0 oder 1) zu treiben.
- ACI 440.2R: Zur Berechnung des FRP-Beitrags zur nominellen Schubkapazität.
- Mander-Priestley-Park-Modell: Zur Bestimmung der Betondruckfestigkeit unter Einschluss ( $f'_{cc}$ ) von UHPC-ummantelten Stützen.
- NTE E.030-2018: Zur Berechnung des Pseudo-Beschleunigungsspektrums ( $S_a$ ) für die seismische Bemessung in Lima.

Kernergebnisse

Vergleichsmatrix: Die Analyse zeigt, dass die USA in der Finanzierungsskala und Japan in der kodifizierten technologischen Tiefe (insbesondere bei der Verwendung von UHPC) führen, während Peru bei der ML-Adoption, der UHPC-Kodifizierung und der Verwendung von Nanotechnologie-modifizierten FRP zurückliegt. Die Lücke in der Vorhersagegenauigkeit (ML $R^2$ -Werte) wird als der am stärksten handlungsrelevante Bereich für sofortige Verbesserungen identifiziert.
Optimierungsergebnis: Der SIMP-optimierte UHPC-Überzug konvergierte in etwa 47 Iterationen. Die resultierende Geometrie weist zwei diagonale Druckstreben auf, die die Basisecken mit den oberen Stützen verbinden, sowie verbreiterte Flansche oberhalb und unterhalb von Öffnungen. Dieses Layout entspricht den Kraftflusspfaden und reduziert das Materialvolumen, ohne die Steifigkeit zu beeinträchtigen.
Prädiktive Leistung: Referenzierte ML-Modelle zeigen eine hohe Genauigkeit: Random-Forest-Modelle erreichten einen Pearson-Korrelationskoeffizienten ( $R$ ) von 0,94 für die UHPC-Druckfestigkeit, und Gradient-Boosting-Regression-Trees erreichten ein $R^2$ von 0,987 für FRP-ummantelten Beton.
Konstruktive Anpassung: Die Arbeit schlägt einen Konstruktionsprozess-Ablauf vor, der die japanischen JBDPA-2001-Richtlinien an den peruanischen Kontext anpasst. Zu den wesentlichen Anpassungen gehören der Ersatz der Dampfaushärtung durch traditionelle Feuchthärtung, die Begrenzung der Überzugsdicke auf 40 mm und die Verwendung von Epoxidharzdübeln für die CFRP-Verankerung, konsistent mit NTE E.070-2020.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass ihre primäre Neuartigkeit in der erstmaligen Kopplung von datengesteuerter ML-Vorhersage mit generativer Topologieoptimierung speziell für das Design von Ertüchtigungs-Schichten für informellen peruanischen Wohnraum liegt. Durch die Integration dieser fortschrittlichen computergestützten Methoden mit etablierten strukturmechanischen Gleichungen bietet das Framework eine quantitative Basis für die Dimensionierung von Ertüchtigungsmaßnahmen, die gezielt kritische Spannungspfade anstatt ganzer Wandflächen adressieren.

Die Studie behauptet, dass dieser Ansatz:

Technologie transferiert: Sie formalisiert eine Roadmap für den Transfer der US-amerikanischen und japanischen Erfahrungen (Finanzierungsmodelle und konstruktive Strenge) auf den peruanischen normativen und handwerklichen Kontext.
Ressourcen optimiert: Er ermöglicht eine gezielte Verstärkungsstrategie, die das Volumen hochpreisiger Materialien (UHPC und FRP-Nanokomposite) reduziert, während die Umschlusskapazität in kritischen Zonen erhalten bleibt.
Ein replizierbares Framework bereitstellt: Er kodifiziert einen Konstruktionsprozess-Ablauf und einen Satz von vier modernen Bemessungsgleichungen, die als Referenz für zukünftige regulatorische Aktualisierungen und Subventionsprogramme, wie den „Bono de Protección de Vivienda Vulnerable“, dienen können.

Die Autoren nehmen eine bescheidene Haltung ein und räumen ein, dass das Framework noch nicht im Feld validiert wurde und dass die ML-Modelle auf Labordaten basieren. Sie identifizieren zukünftige Arbeiten als notwendig, um das System durch instrumentierte Pilottests zu validieren, die Optimierung auf 3D-Domänen mit nichtlinearem Mauerwerksverhalten auszuweiten und die spezifische Aufnahme von UHPC/FRP-Linien in die peruanische Subventionsgesetzgebung zu evaluieren.