17 Nov. Sensorik und KI überwachen Straßenzustand flächendeckend
Verkehrs- und Umweltbelastungen verursachen bei Straßen langfristig Risse und andere Mängel auf der Oberfläche einer Fahrbahn. Der Zustand der Asphalttragschicht, die sich unter der Oberfläche befindet, ist jedoch ein wichtiger Marker, der bisher nur unzureichend berücksichtigt werden kann. Mikrorisse und Schäden in den tieferliegenden Schichten sind auf der Straßenoberfläche nicht erkennbar. Zur Beurteilung des strukturellen Zustands der Asphalttragschicht werden derzeit Bohrkerne entnommen. Dies führt mitunter zu langwierigen und ineffektiven Straßensanierungen, da das ganze Schadensausmaß oftmals nicht rechtzeitig erkannt werden konnte.
Forschende des Fraunhofer-Instituts für Holzforschung, Wilhelm-Klauditz-Institut, WKI haben gemeinsam mit Partnern im Projekt SenAD2 ein intelligentes Mess- und Auswertesystem entwickelt, mit dem sich der Zustand der Asphalttragschicht kontinuierlich, flächendeckend und zerstörungsfrei überwachen lässt. Das System soll künftig die Bestimmung und Prognose des Degradationsgrades von Asphaltstraßen ermöglichen.
Elektrische Sensorik mit Trägergewebe aus Flachsfasern
Kernkomponente des Systems ist ein Gewebe aus Flachsfasern und Sensorik. Das Gewebe lässt sich kostengünstig herstellen und somit flächendeckend einsetzen. Der Sensorikdraht mit einem Durchmesser von unter einem Millimeter wird direkt im Webprozess in das Naturfasergewebe integriert, das sich durch eine hohe Verschiebefestigkeit auszeichnet. Hohe Garnstärken und große Garnabstände stabilisieren das Material. „Das Gewebe muss so ausgelegt sein, dass es zu keiner Gefügestörung im Asphalt kommt. Auch darf die Sensorik weder beim Webprozess noch beim Einlassen in die Straße geschädigt werden“, erläutert Christina Haxter, Wissenschaftlerin am Fraunhofer WKI. Zudem muss es bei Bauarbeiten dem Gewicht von Lkws und Straßenfertigern standhalten. Hergestellt wird das Sensorgewebe auf einer Doppelgreiferwebmaschine des Fraunhofer WKI. Die Webbreite beträgt 50 Zentimeter, die Länge kann beliebig gewählt werden. Durch die Beanspruchungen in der Asphalttragschicht der Straße verändert sich auch der Zustand der elektrisch leitenden Sensorik. Die Dehnung des Sensormaterials verändert seinen elektrischen Widerstand. Dies lässt sich messen – die Widerstandsänderung kann in Relation zu den Beschädigungen der Asphalttragschicht beziehungsweise zum Straßenzustand gebracht werden. Dazu wird der Sensordraht an der Seite der Straße an eine Messeinrichtung angeschlossen, die die Daten speichert und an die Auswertesoftware überträgt.
Zusammenspiel von Digitalisierung, Sensorik und KI
Eine weitere Innovation des Projekts liegt nach Angaben der Entwicklerinnen und Entwickler in KI-Verfahren zur Analyse der Daten aus der Asphalttragschicht. Neu dafür entwickelte Berechnungsmodelle bestimmen den aktuellen Zustand des Straßenbelags und prognostizieren zugleich den zu erwartenden Schädigungsverlauf. Auf dieser Basis können Straßenbauverwaltungen frühzeitig erforderliche Straßenerhaltungsmaßnahmen initiieren und zeitlich und finanziell in ihre Planungen integrieren. Die Visualisierung der Daten erfolgt über eine im Projekt entwickelte Internet-Plattform mit Dashboard. Geplant ist, für Behörden, Anlieger, Unternehmen, Verkehrsteilnehmer und sonstige Betroffene von Bau- und Erhaltungsmaßnahmen alle relevanten Informationen über die Plattform aufzubereiten und zur Verfügung zu stellen.
Test im Gewerbegebiet: Im ersten Schritt wird das Sensorgewebe über den kompletten Straßenquerschnitt verlegt. Bild: Fraunhofer WKI
Tests im Gewerbegebiet
Derzeit finden Tests mit einem Demonstrator auf einer ebenen Probestrecke in einem Gewerbegebiet statt. Das Sensorgewebe ist über den kompletten Straßenquerschnitt verlegt und somit über die Breite der gesamten Fahrspur eingebracht. Auswertemessknoten erfassen bei Überfahrung des Demonstrators die Widerstandsänderungen in der Sensorik. Erste Testmessungen zeigen, dass das System die durch die Überfahrten eines Belastungsfahrzeugs (Test-Lkw) hervorgerufenen Verformungen erfassen kann. Dabei werden in den Messergebnissen sowohl die unterschiedlichen Achslasten als auch die Achskonfiguration des Fahrzeugs erkennbar.
Projektpartner
Das Projekt SenAD2 – Machine-Learning-basiertes Degradationsmonitoring für Asphaltstraßenbefestigungen wird vom Bundesministerium für Verkehr gefördert.
Projektpartner sind Uhlig & Wehling Ingenieurgesellschaft (Konsortialführer), AS+BE Asphalt- und Betonstraßenbau, Time4Innovation, Fraunhofer WKI, Hochschule Magdeburg-Stendal und die Hochschule Hannover.
Quelle und Bild: www.wki.fraunhofer.de