Machine Learning-basiertes Degradationsmonitoring für Asphaltstraßenbefestigungen - SenAD2 ; Teilvorhaben Hochschule Magdeburg-Stendal

Der strukturelle Zustand der Asphalttragschicht hat wesentlichen Einfluss auf die Nutzungsdauer der Straßenbefestigung. Der Beurteilung ihres strukturellen Zustands kommt daher besondere Bedeutung zu. Momentan sind „zerstörende“ Messverfahren in Form von Bohrkernentnahmen im Einsatz, bei denen die Straße zusätzlich geschädigt wird. Eine flächendeckende, kontinuierliche Bewertung der strukturellen Substanz ist aufgrund des hiermit verbundenen hohen Aufwandes und der zusätzlichen Schädigung nicht realisierbar. Ziel ist datenbasiertes Monitoringsystem zur zerstörungsfreien, kontinuierlichen, flächendeckenden Bestimmung und Prognose des Degradationsgrads von Asphaltstraßen. Die Innovation liegt in Nutzung von Kl-Verfahren zur Analyse von Daten aus Asphalttragschicht, die erstmals mittels neuartigem Sensorsystem gewonnen werden. Durch großflächige Integration des Systems sind flächenübergreifende, echtzeitbasierte Aussagen zum Zustand und zu effektiven und nachhaltigen Erhaltungsmaßnahmen möglich. Das Teilprojekt befasst sich mit der Entwicklung und Evaluation eines Degradationsmodells, zur kontinuierlichen Bestimmung des Degradationszustand eines Probekörpers bei Ermüdungsversuchen während der Versuchsdurchführung. Dies gilt insbesondere für Ermüdungsversuche, bei denen die Randbedingungen während des Versuchs variieren. Dieses Modell bildet somit die Grundlage für die Schaffung der notwendig Datenbasis zum Anlernen eines Kl-Algorithmus, mit dem der Degradationsgrad aus Informationen des in der Straße integrierten Messsystems bestimmt werden kann. Darüber hinaus ist dieses Modell eine wesentliche Voraussetzung, für das im Rahmen des Gesamtprojektes zu entwickelnden Monitoring-Systems. Außerdem werden im Rahmen dieses Teilprojektes das Gefügestörungspotential, des in den Asphalt eingebrachten Messsystems bewertet, sowie alle für das Monitoring-Systems erforderlichen Informationen zu den thermischen Bedingungen ermittelt und bereitgestellt.