Transformer-Modelle revolutionieren Windstrukturvorhersage und digitale Zwillinge

Ein neues Transformer‑Verfahren zur Vorhersage von windinduzierten strukturellen Reaktionen wurde vorgestellt. Das Modell kombiniert eine selbstaufmerksame Encoder‑Decoder‑Architektur mit multimodalen Deep‑Learning‑Ansätzen, um Zeitreihen der strukturellen Antwort präzise zu prognostizieren und gleichzeitig einen digitalen Zwilling für die Überwachung von Brücken zu liefern.

Der Ansatz nutzt die zeitlichen Eigenschaften der Messdaten, um ein Vorhersagemodell zu trainieren, und vergleicht anschließend die simulierten Schwingungen mit den tatsächlich gemessenen Werten. Abweichungen werden als Frühwarnindikatoren für strukturelle Veränderungen erkannt. Durch die fehlende Notwendigkeit von Annahmen über Windstationarität oder normales Schwingungsverhalten übertrifft das KI‑Modell herkömmliche Verfahren in der Genauigkeit der Vorhersage.

Die Leistungsfähigkeit des Modells wurde anhand von Echtzeitmessungen der Hardanger‑Brücke, die von der Norwegischen Universität für Wissenschaft und Technologie überwacht wird, überprüft. Die Ergebnisse zeigen, dass das Transformer‑basierte System die strukturelle Dynamik unter realen Bedingungen zuverlässig erfasst und auf Veränderungen in der Belastungssituation reagiert.

Diese Forschung unterstreicht das Potenzial von digitalen Zwillingen, die auf Transformer‑Technologie basieren, als zukunftsweisende Werkzeuge für resilientes Infrastrukturschutzmanagement. Sie ermöglichen kontinuierliches Lernen und adaptive Überwachung über den gesamten Lebenszyklus einer Struktur hinweg, indem sie die zeitlichen Charakteristika der Belastungen berücksichtigen.