Study on Identifiability of Fracture Properties of Concrete given Experimental DataA

Dobrilla, Simona

doi:10.24355/dbbs.084-202306191833-0

Published

A Study on Identifiability of Fracture Properties of Concrete given Experimental Data

English
German

Ageing and deterioration of reinforced concrete structures are ongoing problems of a main concern. The state of building materials is changing over the service life of structures, thereby affecting the structural reliability and durability.

Numerical models are a powerful tool for the assessment of safety and serviceability of existing structures. However, regardless of the level of model complexity, they are merely an approximation of the real systems. Hence, any model prediction is characterised by a certain degree of uncertainty. To improve the predictive capabilities, numerical models need to be enriched with the description of uncertainties, which can further be reduced by gathering the available information about the observed structure.

In this work, a probabilistic framework for parameter estimation in nonlinear mechanical models and a study on identifiability are proposed. The parameter estimation is based on Bayesian inference, which combines both the prior knowledge and information from experimental data to reduce the uncertainty in the probabilistic description of uncertain model parameters. Moreover, the goal is to find optimal experiments from the point of view of parameter identifiability, ease of implementation and the associated costs.

Bayesian inference, in its filtering form, is applied for parameter estimation of uncertain mechanical properties in both plain and reinforced concrete, with the focus on fracture and bond parameters governing the crack propagation and bond-slip. For that purpose, observational data (i.e. stress-deformation curve, displacement field) from uniaxial tensile tests on reinforced concrete beams and double shear experiments on mortar specimen are used. Issues of parameter identifiability, shortcomings and challenges which arise due to peculiarities of the experimental setup are addressed and alternative experimental designs which increase the sensitivity with respect to parameters of interest and subsequently, reduce the discrepancy between the computed and observed quantities of interest, are proposed.

Reduction of the epistemic uncertainty via Bayesian inference leads to more accurate estimates of the system parameters and state and thereby allows more reliable predictions of the system’s future state. This matter is very important from the point of view of structural durability and integrity.

Die Alterung und der Verfall von Stahlbetonkonstruktionen sind ein ständiges Problem, das Anlass zu großer Sorge gibt. Der Zustand der Baumaterialien ändert sich im Laufe der Lebensdauer der Bauwerke, was sich auf die Zuverlässigkeit und Dauerhaftigkeit der Bauwerke auswirkt.

Numerische Modelle sind ein leistungsfähiges Instrument für die Bewertung der Sicherheit und Gebrauchstauglichkeit bestehender Bauwerke. Unabhängig vom Grad der Modellkomplexität stellen sie jedoch lediglich eine Annäherung an die realen Systeme dar. Daher ist jede Modellvorhersage mit einem gewissen Grad an Unsicherheit behaftet. Um die Vorhersagefähigkeiten zu verbessern, müssen numerische Modelle mit der Beschreibung von Unsicherheiten angereichert werden, die durch das Sammeln der verfügbaren Informationen über die beobachtete Struktur weiter reduziert werden können.

In dieser Arbeit werden ein probabilistischer Rahmen für die Parameterschätzung in nichtlinearen mechanischen Modellen und eine Studie zur Identifizierbarkeit vorgeschlagen. Die Parameterschätzung basiert auf Bayes’scher Inferenz, die sowohl das Vorwissen als auch Informationen aus experimentellen Daten kombiniert, um die Unsicherheit in der probabilistischen Beschreibung unsicherer Modellparameter zu reduzieren. Darüber hinaus ist es das Ziel, optimale Experimente unter den Gesichtspunkten der Parameteridentifizierbarkeit, der einfachen Implementierung und der damit verbundenen Kosten zu finden.

Die Bayes’sche Inferenz wird in ihrer Filterform für die Parameterschätzung unsicherer mechanischer Eigenschaften sowohl in einfachem als auch in bewehrtem Beton angewandt, wobei der Schwerpunkt auf Bruch- und Verbundparametern liegt, die die Rissausbreitung und den Verbundschlupf bestimmen. Zu diesem Zweck werden Beobachtungsdaten (d.h. Spannungs-Verformungs-Kurve, Verschiebungsfeld) aus einachsigen Zugversuchen an Stahlbetonbalken und Doppelscherexperimenten an Mörtelproben verwendet. Fragen der Identifizierbarkeit von Parametern, Unzulänglichkeiten und Herausforderungen, die sich aus den Besonderheiten des Versuchsaufbaus ergeben, werden angesprochen, und es werden alternative Versuchspläne vorgeschlagen, die die Empfindlichkeit in Bezug auf die interessierenden Parameter erhöhen und folglich die Diskrepanz zwischen den berechneten und den beobachteten interessierenden Größen verringern.

Die Verringerung der epistemischen Unsicherheit durch Bayes’sche Inferenz führt zu genaueren Schätzungen der Systemparameter und des Systemzustands und ermöglicht somit zuverlässigere Vorhersagen über den zukünftigen Zustand des Systems. Dieser Aspekt ist unter dem Gesichtspunkt der strukturellen Dauerhaftigkeit und Integrität sehr wichtig.