Олег Владимирович Осетинский – начальник отдела ООО «Комплексные Системы и Сети», аспирант
Санкт-Петербург
Oleg V. Osetinsky – Head of the Department at Complex Systems and Networks LLC, Postgraduate Student
Saint-Petersburg
Юрий Георгиевич Лазарев – доктор технических наук, профессор, директор Высшей школы промышленно-гражданского и дорожного строительства Инженерно-строительного института Санкт-Петербургского политехнического университета Петра Великого
Санкт-Петербург
Yuri G. Lazarev – Doctor of Engineering, Professor, Director of the Higher School of Industrial, Civil and Road Construction
Saint-Petersburg
Доктор технических наук, академик Российской академии транспорта, академик Международной академии транспорта, технический директор ООО «К2 Инжиниринг», профессор кафедры «Мосты итоннели»
Ташкент
Andrey A. Bely – Doctor of Engineering, Academician of Russian Transport Academy, Academician of International Transport Academy, Technical Director K2 Engineering LLC, Professor
Tashkent
В статье предложена методика предиктивного прогнозирования технического состояния искусственных сооружений на основе интеграции данных автоматизированных систем мониторинга, эталонной расчетной модели и библиотеки дефектных сценариев. Методика направлена на повышение достоверности определения фактического технического состояния конструкции и точности прогноза его изменения во времени, включая оценку остаточного ресурса. Подход основан на представлении состояния конструкции в виде многомерного вектора признаков напряженно-деформированного состояния с последующим применением методов таксономического анализа для оценки близости к эталонному и дефектным состояниям.
Введен интегральный показатель – таксономический индекс технического состояния, позволяющий количественно оценивать степень деградации конструкции и выделять переходные состояния на ранних стадиях развития дефектов. Разработан алгоритм классификации, обеспечивающий оценку наиболее вероятного типа дефекта (коррозия, усталостная трещина, заклинивание опорных частей) и ориентировочную локализацию по библиотеке сценариев.
Реализован предиктивный контур, основанный на анализе временных рядов диагностических признаков, позволяющий прогнозировать развитие деградационных процессов и оценивать остаточный ресурс конструкции. Показано, что предложенная методика обеспечивает переход от порогового контроля к многомерному анализу состояния, повышает информативность данных мониторинга и обоснованность решений по управлению эксплуатационными рисками.
Практическая значимость работы заключается в возможности применения разработанной методики для повышения надежности и безопасности эксплуатации мостовых сооружений за счет раннего выявления дефектов и планирования ремонтных мероприятий на упреждающей основе.
This paper proposes a methodology for predictive forecasting of the technical condition of artificial structures based on the integration of automated monitoring data, a reference numerical model, and a library of defect scenarios. The purpose of the methodology is to improve the reliability of determining the actual technical condition of a structure and the accuracy of forecasting its future change and remaining useful life. The approach is based on representing the structural state as a multidimensional feature vector of the stress-strain state, followed by the application of taxonomic analysis methods to assess proximity to reference and defective conditions.
An integral indicator – the taxonomic condition index – is introduced to quantitatively evaluate the degree of structural degradation and to identify transition states at early stages of defect development. A classification algorithm is developed to identify the most probable dominant defect type (corrosion, fatigue crack, bearing malfunction), to provide scenario-based localization and to estimate its parameters.
A predictive framework based on time series analysis of diagnostic features is implemented, enabling forecasting of degradation processes and estimation of the remaining service life. It is shown that the proposed methodology provides a transition from threshold-based monitoring to multidimensional state assessment, improves the informativeness of monitoring data, and enhances decision-making in infrastructure risk management.
The practical significance of the study lies in the applicability of the proposed methodology for improving the reliability and safety of bridge structures through early defect detection and proactive maintenance planning.
The authors declare that there are no conflicts of interest present.