High-Fidelity Numerical Modeling for the Mechanical Characterization of a Full-Scale Test Bridge

Sintesi Tecnica: Modellazione Numerica ad Alta Fedeltà per la Caratterizzazione Meccanica di un Ponte di Test a Scala Reale

Problematica
Il monitoraggio della salute strutturale (SHM) dei ponti è sempre più critico a causa dell'invecchiamento delle infrastrutture, dell'aumento dei carichi di traffico e dell'impatto intensificante del cambiamento climatico, in particolare per quanto riguarda lo scalzamento indotto dalle piene e il cedimento delle fondazioni. Un ostacolo primario nello sviluppo di strategie SHM robuste è la scarsità di dati sperimentali di alta qualità che presentino stati di danno ben caratterizzati in condizioni ambientali realistiche. Sebbene esistano esperimenti di laboratorio, è necessario un passaggio intermedio che colmi il divario tra gli ambienti controllati di laboratorio e il monitoraggio complesso del mondo reale. Nello specifico, la comprensione della risposta meccanica delle sottostrutture dei ponti ai cedimenti differenziali richiede dati che tengano conto di fattori ambientali confondenti, come le deformazioni termiche indotte dalla temperatura, che spesso mascherano i veri segnali strutturali.

Metodologia
Questo studio presenta un framework che integra dati sperimentali ad alta fedeltà provenienti da un ponte di test a scala reale con un modello a elementi finiti (FE) dettagliato per caratterizzare il comportamento strutturale e quantificare i cedimenti delle fondazioni.

1. Configurazione Sperimentale e Acquisizione Dati:
   La ricerca utilizza un ponte di prova composito acciaio-calcestruzzo di 3 di metri presso l'Università della Bundeswehr di Monaco. La struttura presenta due travi principali in acciaio HEB1000 e un impalcato in calcestruzzo segmentato. È stata condotta una campagna di monitoraggio a lungo termine (della durata di quasi tre settimane) utilizzando un sistema di misurazione mobile. Lo studio si concentra sulle forze di reazione ($F_1$ e $F_2$) misurate da celle di carico sotto i supporti centrali meridionale e settentrionale, insieme ai dati della temperatura dell'aria ambiente. I dati rivelano variazioni significative dipendenti dalla temperatura, con il supporto meridionale (esposto alla luce solare diretta) che sostiene carichi maggiori rispetto al settentrionale (in ombra).

2. Modellazione a Elementi Finiti ad Alta Fedeltà:
   Un modello FE basato sulla fisica è stato sviluppato in PyAnsys per servire come "ombra digitale" della struttura fisica. Il modello impiega elementi shell per i componenti primari (travi, irrigidimenti, lastre dell'impalcato e puntoni) e molle distribuite per modellare l'interazione tra le lastre di calcestruzzo segmentate. Sebbene le connessioni bullonate siano semplificate tramite elementi beam per efficienza computazionale, il modello cattura l'essenziale azione composita e il trasferimento del carico. Il modello è collegato ai dati sperimentali tramite uno script che mappa le letture dei sensori su nodi FE specifici.

3. Compensazione della Temperatura:
   Per isolare le risposte meccaniche dagli effetti termici, è stata applicata una strategia di compensazione della temperatura mediante regressione B-spline penalizzata. Questo approccio modella la relazione non lineare tra temperatura e forze di reazione ($y = g(t) + \epsilon$). Un parametro di smoothing ($\lambda$) è stato ottimizzato per evitare l'over-fitting su dinamiche asincrone pur catturando il trend termico globale. La funzione di regressione è stata sottratta dai dati grezzi per isolare la risposta strutturale attribuibile al carico meccanico.

4. Aggiornamento Bayesiano del Modello:
   Il nucleo della caratterizzazione meccanica consiste nel risolvere un problema inverso lineare per stimare i cedimenti delle fondazioni. Un modello surrogato ($u = Ax + u_0$) è stato derivato dal modello FE per mappare i cedimenti delle fondazioni ($x$) sulle forze di reazione ($u$). Utilizzando l'inferenza bayesiana, lo studio aggiorna la distribuzione a priori dei valori di cedimento basandosi sui dati sperimentali compensati per la temperatura. Il processo assume distribuzioni a priori gaussiane ed errori di misurazione, consentendo una soluzione in forma chiusa per aggiornare la distribuzione a posteriori dei cedimenti senza richiedere metodi Monte Carlo computazionalmente costosi.

Contributi Chiave

• Integrazione di Dati e Fisica: Il documento dimostra un flusso di lavoro che combina dati di monitoraggio ambientale a lungo termine con un modello FE ad alta fedeltà per raffinare la caratterizzazione meccanica di una struttura a scala reale.
• Mitigazione della Temperatura: L'applicazione della regressione B-spline penalizzata rimuove efficacementamente il rumore termico dai dati delle forze di reazione, rivelando comportamenti strutturali sottostanti che sarebbero altrimenti oscurati.
• Quantificazione dei Cedimenti Parassiti: Attraverso l'aggiornamento bayesiano, lo studio quantifica con successo l'incertezza e l'entità dei cedimenti delle fondazioni, identificando specifiche deviazioni dallo stato di progetto ideale.
• Concetto di Ombra Digitale: Il lavoro stabilisce un flusso di dati unidirezionale dal ponte fisico al modello numerico, creando un' "ombra digitale" dinamica e guidata dai dati che evolve con le misurazioni in entrata.

Risultati
L'analisi dei dati compensati per la temperatura e il successivo aggiornamento bayesiano hanno prodotto i seguenti risultati:

• Impatto Termico: Il supporto meridionale ha mostrato una marcata sensibilità all'irradiazione solare rispetto al supporto settentrionale, confermando la necessità di una compensazione ambientale.
• Caratterizzazione del Cedimento: La calibrazione del modello ha rivelato che, durante il posizionamento dei supporti centrali, un contro-appoggio positivo parassita di circa 0,7 mm è stato assegnato al supporto meridionale, mentre un cedimento negativo di entità simile si è verificato al supporto temporaneo settentrionale.
• Correlazione Statistica: Prima dell'assimilazione dei dati, i parametri di cedimento erano assunti indipendenti. La distribuzione a posteriori, tuttavia, ha rivelato un legame statistico (correlazione) tra i cedimenti dei due supporti, risultando in una distribuzione normale bivariata non allineata con gli assi dei parametri di input.
• Validazione del Modolo: La media a posteriori del vettore di cedimento ha intercettato con successo il luogo comune della risposta del modello e delle letture sperimentali, validando la soluzione del problema inverso.

Significato e Prospettive
Il documento sostiene che questo approccio integrato fornisce un quadro fondamentale per far avanzare la SHM nelle reti di ponti reali. Trattando il modello numerico come un'ombra digitale dinamica, lo studio supporta decisioni di manutenzione informate e migliora l'accuratezza delle valutazioni delle condizioni. Gli autori sottolineano che questo lavoro rappresenta un passo intermedio cruciale verso un pieno Digital Twin (DT), ponendo le basi per una futura interazione bidirezionale tra asset fisici e virtuali.

Lo studio delinea modestamente le direzioni future, tra cui:

• Test di algoritmi più avanzati, come il Dynamic Time Warping, per gestire meglio gli effetti ambientali.
• Espansione del dataset per includere scenari di cedimento artificiali su larga scala che inducono risposte strutturali non lineari, potenzialmente richiedendo l'espansione polinomiale caotica generalizzata (gPCE).
• Integrazione di capacità di monitoraggio spaziale e metodi di rilevamento dello scalzamento basati sulle vibrazioni.
• Estensione del framework dal singolo ponte a una prospettiva basata sulla popolazione per migliorare la protezione delle infrastrutture critiche e la prioritizzazione delle risorse.