Projektet ”SensIT – Verifiering och prognostisering av tekniska funktionskrav på tunnelinfattning av betong – sensorbaseras prognosmetod med artificiell intelligens” kommer att presenteras av Rasmus Rempling från Chalmers.
Tunnlar används alltmer i tätbebyggda områden för att utöka transportinfrastrukturen utan att påverka ytbebyggelsen. En vanlig metod för bergförstärkning är fiberarmerad sprutbetong i kombination med bergbult. Konstruktionen av dessa förstärkningar är dock utmanande på grund av osäkerheter kring bergkvalitet och geologiska förhållanden, variationer i materialegenskaper samt samverkan mellan sprutbetong och berg. Brist på experimentella data leder dessutom till konservativa och ineffektiva konstruktionslösningar. Sprickbildning i fiberarmerad sprutbetong är ett särskilt problem då det påverkar både hållfasthet och livslängd. Nuvarande inspektionsmetoder är manuella, ineffektiva och tidskrävande.
Projektet syftar till att ta fram och utveckla metoder för verifiering av tekniska prestationsmått. Målet var att utveckla, träna, testa och verifiera ett nytt datadrivet AI-baserat verktyg som med hjälp av avancerade statistiska metoder möjliggör autonom bedömning och förutsägelse av prestandaindikatorer i sprutbetongförstärkningar i tunnlar.
Anmälan om deltagande görs här till Johanna Wrang, Trafikverket. Gör din anmälan senast dagen före och uppge namn, företag och mejladress så kommer en Skype-länk strax innan mötet.