Кадры обрушившегося трамвайного моста через реку Эльба в Дрездене облетели весь мир в сентябре 2024 года. Чудо, что никто не погиб — в отличие от обрушения автодорожного моста в Генуе в 2018 году, которое привело к гибели 43 человек. Обе катастрофы были вызваны не внешними воздействиями, а процессами разрушения, связанными с возрастом конструкций. Эти процессы не были вовремя обнаружены и устранены.

«Швейцария также сталкивается с ситуацией, когда значительная часть ее инфраструктуры приближается к концу запланированного срока службы и должна быть проверена и укреплена при необходимости», — говорит София Кун. «Мы разрабатываем инструмент, который поможет поддерживать мосты в рабочем состоянии как можно дольше и, следовательно, экономить ресурсы, не подвергаясь непропорционально высокому риску несчастных случаев».

Кун — научный сотрудник-докторант в группе под руководством Вальтера Кауфмана, профессора строительной инженерии ETH (бетонные конструкции и проектирование мостов). Ее докторскую диссертацию совместно курируют Фернандо Перес-Крус, профессор компьютерных наук ETH, и профессор Михаэль Краус из Технического университета Дармштадта. Исследования Куна сосредоточены на использовании искусственного интеллекта в строительстве, в частности алгоритмов машинного обучения.

В сотрудничестве с коллегой Мариусом Вебером и Швейцарскими федеральными железными дорогами (SBB) она разработала модель искусственного интеллекта для «мостов с жесткими каркасами» — простых железнодорожных мостов из железобетона, которые особенно распространены в Швейцарии и позволяют железным дорогам проходить над или под дорогами или пешеходными дорожками, например.

Модель ИИ практически одним нажатием кнопки обеспечивает первоначальную оценку безопасности конструкции, тем самым предсказывая, является ли мост потенциально статически критическим или нет. «Таким образом, можно расставить приоритеты относительно того, какие мосты должны пройти структурную оценку без промедления и могут потребовать структурных вмешательств», — говорит Кун.

Работа опубликована в журнале «Автоматизация в строительстве».

ИИ может оценить, будет ли анализ эффективным

Модель не только выдает прогнозируемое значение для структурной безопасности, но и указывает, является ли это значение надежным; другими словами, она количественно определяет неопределенность модели. В частности, она также помогает с решением относительно того, как действовать при проведении структурной оценки моста.

Инженеры всегда выполняют более или менее сложные вычисления на компьютере, но это можно сделать либо с помощью традиционных методов, которые дают результаты с относительно небольшими усилиями, либо с помощью усовершенствованного анализа, который требует гораздо больше времени и вычислительной мощности и, следовательно, более дорог, хотя и дает более точные и менее консервативные результаты.

«Часто вы не знаете, имеет ли смысл проводить эти уточненные анализы или это просто ненужные расходы», — объясняет Кун. «Наш инструмент ИИ может оценить, будут ли анализы эффективными и оправданы ли затраты».

Конвейер моделирования предоставляет дополнительные данные

В качестве основы для модели исследователи использовали портфолио мостов с жесткими рамами SBB. «Мы рассмотрели множество примеров — как они построены, насколько они изменчивы — и разработали параметрический конвейер моделирования на их основе», — говорит исследователь. Это сгенерировало виртуальные структуры из различных параметров моста, рассчитало степень использования структурной пропускной способности и тем самым предоставило дополнительные данные.

Исследователи построили искусственную нейронную сеть, алгоритм, который обучается на основе данных подобно нашему мозгу. Это дало начало модели на основе машинного обучения, которая выдает желаемые прогнозы для многих существующих жестких каркасных мостов, даже если они не были рассчитаны экспертами или конвейером моделирования.

«Мы проверили нашу модель на тестовом наборе данных и оценили ее на реальных примерах мостов», — объясняет Кун. «Модель демонстрирует хорошее выравнивание и уровень точности, необходимый для SBB. Поэтому мы разработали начальный прототип».

Следующий шаг предполагает совместную работу с SBB, чтобы гарантировать, что инженеры-мостостроители смогут применять модель на практике, а затем способствовать более широкому ее применению.

Помощник ИИ меняет процесс проектирования

Во втором проекте кафедры Кауфмана Кун работал с профессором Михаэлем Краусом и Швейцарским центром науки о данных над проектированием новых мостов. «Наша цель состояла в том, чтобы разработать помощника на основе искусственного интеллекта, который активно помогал бы команде инженеров проектировать мост и приводил бы к экономически эффективным конструкциям, которые были бы максимально устойчивыми без ущерба для безопасности», — объясняет Кун.

Традиционно инженеры разрабатывают проект моста, а затем используют традиционное программное обеспечение для расчета, чтобы определить структурную безопасность, эксплуатационную пригодность, стоимость и другие характеристики. Если эти значения не соответствуют спецификациям, команда меняет проект до тех пор, пока не будут достигнуты цели проекта — длительный процесс, в ходе которого часто большой потенциал остается неиспользованным.

«На самом деле, предпочтительнее инвертировать этот процесс, но это невозможно с помощью обычного программного обеспечения для расчетов», — говорит исследователь. «Хотится ввести цели проекта и граничные условия, а затем получить предлагаемые проекты, которые соответствуют этим спецификациям без необходимости трудоемких итераций».

Разработанный исследователями помощник ИИ, использующий «генеративные» алгоритмы ИИ, позволяет именно это. Он не только ускоряет прямой подход, оценивая различные проекты практически в режиме реального времени, но и проактивно генерирует проекты, которые соответствуют определенным ограничениям и целям.

В качестве примера разработки своего помощника на основе искусственного интеллекта исследователи совместно с коллегой Верой Балмер использовали проект пешеходного моста в Санкт-Галлене, разработанный инжиниринговой компанией Basler & Hofmann совместно с Nau2 и dgj Landscapes. Этот мост, известный как пешеходный мост Виборада, проходит через парк в старом городе и должен по возможности не касаться ни одного из охраняемых деревьев.

Во время работы над этим проектом исследователи ETH контактировали с инжиниринговой компанией, которая была впечатлена презентацией результатов. Помощник ИИ предоставил различные возможные примеры мостов, а также выполнил «анализ чувствительности», который показал, какие параметры оказывают наибольшее влияние на безопасность конструкции в соответствии со стандартами или на предполагаемые затраты или устойчивость.

«Поэтому помощник ИИ поддерживает инженеров, но не заменяет их», — подчеркивает Кун. Например, если помощник ИИ предлагает проект, который, хотя и неожиданный, соответствует спецификациям с точки зрения структурной безопасности и экологической совместимости, инженеры все равно должны оценить, возможно ли построить такой мост и будет ли он долговечным.

«Мы не предлагаем решение в один клик. Оно всегда подразумевает взаимодействие между инженером и ИИ», — говорит исследователь.

Инструментарий для адаптированных моделей ИИ

Строительство мостов — не единственное потенциальное применение этих передовых методов машинного обучения. Вместе с другими исследователями ETH из Swiss Data Science Center и кафедры архитектуры Gramazio Kohler Research исследовательская группа кафедры Kaufmann разработала набор инструментов, который также сделал алгоритмы ИИ доступными для других инженеров и архитекторов без необходимости в обширных навыках программирования.

«С помощью всего нескольких строк кода наш инструментарий с открытым исходным кодом позволяет пользователям создавать как прямые, так и генеративные модели, которые можно использовать для решения сложных многомерных задач в архитектуре, строительной отрасли и за ее пределами», — объясняет Кун. Это призвано обеспечить широкую поддержку экономического и устойчивого планирования в строительстве.

«В строительном секторе эти подходы менее распространены, чем в других отраслях, таких как машиностроение», — говорит исследователь. «Все еще есть значительный потенциал для большей эффективности и устойчивости с использованием методов, основанных на данных, — и это наша цель».