Back to search

NAERINGSPH-Nærings-phd

Tidlig-fase bru-design ved bruk av optimaliserings- og maskinlærings-metoder

Alternative title: Early phase bridge design using optimization and machine learning methods

Awarded: NOK 1.9 mill.

Project Number:

332126

Application Type:

Project Period:

2021 - 2026

Funding received from:

Determining the correct bridge type, and initial design of this, may be very demanding. There are multiple factors to consider, and striking the best trade-off between these factors is difficult for the human expert using traditional methods. During the design process multiple designs are traditionally processed manually, where the designer assesses how the different choices affects the bridge's response in an attempt of achieving the best bridge design. In this context, the best design is traditionally the bridge that has sufficient structural integrity to satisfy all safety requirements at the lowest monetary cost. The purpose of this project is to develop methods to automate the design process. This is envisioned through assessing multiple different alternatives automatically, and where how the different alternatives affects the bridge's response is mapped using artificial intelligence. This information is further utilized to determine the best bridge design using numerical optimization, where both monetary and environmental costs are associated to the structure. The number of factors considered will thus not be limiting. An increased capability of assessing the correlation between different variables, both how they affect the structure's structural integrity, but also how they affect the monetary and environmental cost of the structure, will create the foundation for a better structural design than using traditional methods.

Nåværende metode på brudesign er basert på ekspertvurderinger og kvalifisert gjetning, som så er etterfulgt av flere iterasjoner for å oppnå det beste designet. Ekspertvurderingene og kvalifisert gjetning er egenskaper hos senior-ingeniører, opparbeidet etter flere år i industrien, hvor de har erfart hva som virker og ikke virker. Den iterative prosessen er typisk utført manuelt av høyt utdannede profesjonelle. Hovedmålet har generelt vært å designe bruer som har tilstrekkelig strukturell integritet, og som samtidig tilfredsstiller estiske krav til den laveste kostnaden. I de senere år har det blitt større søkelys på konstruksjonens miljøpåvirkning. I 2017 var bygge-industrien ansvarlig for 15.3 % av Norges klimagassutslipp. Antall faktorer å hensynta under brudesignet er dermed betydelig, selv uten å ta klimagassutslippene i betraktning, og å gjøre en kompromissvurdering der alle faktorene hensyntas blir ytterligere utfordrende for den menneskelige eksperten. Formålet med dette prosjektet er derfor å utvikle metoder som tar i bruk toppmoderne maskinlærings- og optimaliseringsmetoder for å veilede brudesignerens avgjørelser i prosjektets tidligfase. Ved å skape et rammeverk for å benytte tidligere erfaring og ekspertvurderinger sammen med toppmoderne optimaliseringsstrategier og metoder i maskinlæring og kunstig intelligens, er målet å bygge en prosedyre som oppnår det beste bru-designet mer sikkert og effektivt enn det som nå er mulig. Det beste brudesignet vil tilfredsstille funksjonelle og estetiske krav, ha tilstrekkelig strukturell integritet til å møte alle sikkerhetskrav, og samtidig minimere miljøpåvirkningen og kostnaden av konstruksjonen.

Funding scheme:

NAERINGSPH-Nærings-phd