Experimental design for shotcrete tunnel lining with distributed optical fibre monitoring
2022 (English)Conference paper (Other academic)
Abstract [sv]
I takt med att behovet av att bygga ut transportinfrastrukturen ökar krävs hållbara lösningar för att säkerställa livslängd och säkerhet hos både nya och befintliga konstruktioner. Genom att införa avancerade övervakningslösningar och AI-algoritmer blir kontinuerlig verifiering och prognostisering av den strukturella integriteten möjlig. I denna artikel beskrivs SensIT 2.0-projektet vid Chalmers tekniska högskola, och en inledande experimentell utformning presenteras för att tillämpa system för distribuerad optisk fiberavkänning (DOFS) på en tunnelinklädnad av fiberarmerad sprutbetong (FRS). Detta är en svensk översättning av sammanfattningen på publikationssidan.
Abstract [en]
As the demand for expanding the transport infrastructure increases, sustainable solutions for ensuring the service life and safety of new and existing structures are crucial. By introducing state-of-the art-monitoring solutions and advanced AI-algorithms, continuous verification and prediction of the structural integrity becomes possible. In this paper, the SensIT 2.0 project at Chalmers University of Technology is described and initial experimental design for applying Distributed Optical Fibers Sensing (DOFS) systems to a Fibre Reinforced Shotcrete (FRS) tunnel lining is presented.
Place, publisher, year, edition, pages
2022. , p. 4
Series
Trafikverkets forskningsportföljer
Keywords [en]
Structural Health Monitoring, Fibre Reinforced Shotcrete, Optical Fibres, Modelling
Keywords [sv]
Byggande, Infrastruktur, IT & digitalisering, Miljö & hållbarhet, Underhåll, Bygga
National Category
Infrastructure Engineering
Research subject
FOI-portföljer, Bygga
Identifiers
URN: urn:nbn:se:trafikverket:diva-22125OAI: oai:DiVA.org:trafikverket-22125DiVA, id: diva2:2052426
Conference
XXIV Nordic Concrete Research Symposium
Projects
SENSIT – Verifiering och prognostisering av tekniska funktionskrav på tunnelinfattning av betong – sensorbaseras prognosmetod med artificiell intelligens
Funder
Swedish Transport Administration, TRV 2021/665992026-04-132026-04-132026-04-13