Een hybride experimenteel-numeriek raamwerk voor validatie van een model van een voorgespannen betonnen brug en optimalisatie van sensorplaatsing: een casestudy

Waarom slimme sensoring op bruggen ertoe doet

De meesten van ons steken dagelijks bruggen over zonder na te denken over hoe ze veilig blijven. Toch veranderen verkeer, wind en veroudering langzaam de manier waarop een brug beweegt en trilt. Ingenieurs gebruiken nu kleine bewegingssensoren en computermodellen om naar die trillingen te luisteren en problemen vroegtijdig te detecteren. Deze studie legt uit hoe de indeling van die sensoren op een echte betonnen brug het verschil kan maken tussen een wazig en een scherp beeld, en laat een praktische manier zien om te bepalen waar sensoren het beste geplaatst kunnen worden.

Luisteren naar een werkende brug

De onderzoekers richtten zich op een drukke autobrug in Sydney, opgebouwd uit voorgespannen betonnen liggers en een gewapend betonnen dek. In plaats van de brug te sluiten of speciale testbelastingen toe te passen, gebruikten ze normaal verkeer als een natuurlijke trillingsbron. Tien kleine apparaten die versnelling meten werden aan het wegdek bevestigd en registreerden kleine op-en-neer-, zijwaartse en lengtebewegingen terwijl auto’s en vrachtwagens passeerden. Uit deze opnames haalde het team de natuurlijke trillingpatronen van de brug, die fungeren als een vingerafdruk van de structurele staat.

Drie manieren om de sensoren te verdelen

Om te onderzoeken hoe de sensorindeling beïnvloedt wat ingenieurs kunnen leren, testte het team drie opstellingen. Eén verdeelde sensoren over bijna de volledige breedte van het dek en bood daarmee brede dekking van kant tot kant. De andere twee gebruikten hetzelfde aantal sensoren maar concentreerden ze telkens op slechts één helft van de brug, waarbij een rand werd gecombineerd met de middenstrook. Deze “half-breedte” indelingen weerspiegelen beperkingen uit de praktijk zoals kosten, rijstrooksluitingen en moeilijke toegang, waarbij het niet altijd haalbaar is om het hele brugdek met instrumenten te bedekken.

Wat de trillingen onthulden

De geregistreerde signalen werden omgezet van tijdseries naar frequentiecurven die de belangrijkste tonen tonen waarop de brug graag trilt. Voor alle drie de indelingen kwamen de eerste paar tonen goed overeen en leek de algemene verticale doorbuiging van de overspanning vergelijkbaar. Echter, toen de onderzoekers gedetailleerde trillingsvormen uit het veld vergeleken met die uit een fijn opgesteld computermodel van de brug, kwamen duidelijke verschillen naar voren. De half-breedte indelingen kwamen beter overeen met het model voor zowel lage als hogere trillingpatronen, met overeenkomsten van meer dan 90 procent in veel gevallen. De full-breedte indeling ving het brede gedrag van de brug wel op, maar vervaagde sommige fijnere details en hogere modi omdat de sensoren verder uit elkaar stonden over het dek.

Datawetenschap gebruiken om sensorlocaties te kiezen

Buiten de drie testindelingen verkende het team hoe ze een nog slimmer sensorplan konden ontwerpen. Ze vertrokken van een gedetailleerd digitaal model van het dek, dat duizenden punten bevat waar de constructie zou kunnen bewegen of spanning dragen. Met een clusteringsmethode genaamd k-median groeperden ze deze punten en kozen sensorlocaties die elke groep dicht bij ten minste één sensor hielden. Daarna voegden ze een wending toe: punten die grotere spanningsveranderingen ondervonden in de belangrijkste trillingsvormen kregen meer gewicht. Deze op spanning gebaseerde versie trok sensoren naar regio’s die het meest van belang zijn voor veiligheid, zoals gebieden waar lasten zich concentreren. Een eenvoudige zoekmethode controleerde of kleine verschuivingen van sensorposities de dekking verder konden verbeteren, maar de clustering kwam al dicht bij de beste oplossing.

Wat dit betekent voor alledaagse bruggen

Voor deze betonnen brug toont de studie aan dat de plaatsing van sensoren sterk bepaalt hoe duidelijk ingenieurs het dynamische gedrag kunnen zien. Als het doel is de algehele toestand van de hele overspanning te begrijpen, heeft een full-breedte sensorindeling nog steeds voordelen omdat ze meer van de constructie tegelijk dekt. Als de belangrijkste zorg is hoe zwaar verkeer bepaalde rijstroken of hoogbelaste zones beïnvloedt, kan het concentreren van sensoren op een deel van het dek juist schonere informatie en betere overeenstemming met computermodellen opleveren. Het hier geteste hybride raamwerk, dat veldmetingen, digitale modellen en datagedreven sensorplanning combineert, biedt een praktische weg naar veiligere en efficiëntere monitoring van veel alledaagse bruggen.

Bronvermelding: Jayasinghe, S.C., Mahmoodian, M., Alavi, A. et al. A hybrid experimental-numerical framework for prestressed concrete bridge model validation and sensor placement optimization: a case study. Sci Rep 16, 15800 (2026). https://doi.org/10.1038/s41598-025-18215-3

Trefwoorden: brugmonitoring, sensorplaatsing, trillingsanalyse, eindige-elementenmodel, structurele gezondheid