-
OpenData4InfMon: Monitoring mit GNSS-Sensorik und Open DataDie alternde Infrastruktur auf dem Landweg, der Schiene und dem Wasser erfordert bedeutende Ressourcen für die Sicherstellung der Betriebssicherheit. Das Monitoring von Deformationen, insbesondere an Brückenbauwerken und anderen wichtigen Infrastrukturen, verursacht durch Alterung, Materialermüdung und langsam (auch klimabedingt) verlaufende Bodenbewegungen, ist derzeit sehr kostenintensiv. Es gilt daher, massenhaft einsetzbare und kosteneffiziente Analyseverfahren anhand von Open Data Quellen kombiniert mit lokaler GNSS-Sensorik zu entwickeln und zu evaluieren, die es bisher nicht gibt. Im Projekt sollen Möglichkeiten der strengen Fusion von freien GNSS- und Radardaten sowie 3D-Stadtmodellen und Verkehrswegeplänen zum Zweck der besseren Beurteilung von Deformationen an Bauwerken in Kombination mit lokal installierter Sensorik untersucht werden, insb. an Infrastrukturen wie Bahntrassen, Energie-Leitungstrassen und (Brücken-) Bauwerken. Der Mehrwert der Daten wird insbesondere durch KI-Analysen und raumzeitliche Parameterschätzung in Kombination mit lokalen GNSS-Daten generiert.Leitung: Ingo Neumann, Mohammad OmidalizarandiTeam:Jahr: 2023Förderung: Bundesministerium für Digitales und Verkehr (BMDV)Laufzeit: 03/23 – 08/24
![]()
![]()
-
Deformationsanalyse auf der Grundlage von terrestrischen Laserscanner-Messungen (TLS-Defo): Unsicherheit der OberflächenannäherungBei geodätischen Verformungsanalysen werden geometrische Veränderungen in zwei oder mehr Zuständen statistisch untersucht. Um das volle Potenzial etablierter oberflächenbasierter Messverfahren wie dem terrestrischen Laserscanning (TLS) zu nutzen, ist eine kontinuierliche lokale und globale Modellierung der überwachten Oberfläche erforderlich. Das Projekt "Unsicherheit der Oberflächenannäherung" konzentriert sich auf die Untersuchung der Interaktion zwischen Mess- und Modellunsicherheiten im Zusammenhang mit der Auswahl von Oberflächenmodellen. Diese Komponenten sind eng miteinander verbunden, da die Höhe der Modellunsicherheit direkt von der Wechselwirkung zwischen der Komplexität des gemessenen Objekts, wie Rauheit und scharfe Kanten, und der räumlichen Dichte der Messpunkte über das Objekt beeinflusst wird. Um dies zu berücksichtigen, unterscheidet das Projekt zwischen drei Unterthemen: TLS-Unsicherheitsbudget, Modellunsicherheit und die Anwendung der fraktalen Geometrie als methodisches Werkzeug zur Erreichung des primären Projektziels.Leitung: Ingo Neumann, Mohammad OmidalizarandiTeam:Jahr: 2023Förderung: DFGLaufzeit: 10/23 – 09/27
![]()
![]()
-
port_AI – Ein volldigitaler Zwilling für Hafenbauwerke unter Nutzung von IoT, 5G, BIM, AR- und KI-Verfahren zum Aufbau eines smarten Building-Lifecycle-ManagementsDie Anforderungen an die Sicherheit und Zuverlässigkeit des Anlagenmanagements der Infrastrukturbauwerke im Bereich der See- und Binnenhäfen nehmen aufgrund des zunehmend globalisierten Handels stetig zu. Durch die Schaffung einer Smart-Infrastructure sollen in diesem Projekt verschiedene Herausforderungen im Umfeld des Managements bestehender Hafeninfrastruktur gelöst werden. Auch die Digitalisierung sowie der Einsatz von KI Verfahren sind im Rahmen dieses Projektes unter dem Begriff der Smart-Infrastructure subsummiert. Nur ein durchgreifend digitales Management von Hafeninfrastruktur ermöglicht den sparsamen Einsatz von Ressourcen, eine vorausschauende Instandsetzung, frühzeitige sowie umfassende Schadenserkennungen und –bewertungen. Dies kann zu einer erheblichen Kosteneinsparungen führen.Leitung: Ingo Neumann, Hamza Alkhatib, Mohammad OmidalizarandiTeam:Jahr: 2021Förderung: Förderprogramm für Innovative Hafentechnologien (IHATEC) unterstützt durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI)Laufzeit: 12/2021 – 11/2024
![]()
![]()
-
Bayesian adaptive robust adjustment of multivariate geodetic measurement processes with data gaps and nonstationary colored noiseThis research field aims at the development of a unified robust adjustment theory and of corresponding computationally efficient expectation maximization (EM) algorithms to handle outliers, data gaps, colored noise and cross-correlations within geodetic measurement series simultaneously. Various kinds of stationary and nonstationary Gauss-Markov models are investigated (see the figure below). To include given prior information for the unknown parameters, Bayesian models and inferential techniques are also devised. Applications include the geo-referencing of a static multi-sensor system and deformation monitoring of an arch bridge.Leitung: Boris Kargoll, Hamza Alkhatib, Jens-André PaffenholzTeam:Jahr: 2018Förderung: DFGLaufzeit: 2018-2021
![]()
![]()
-
Spatio-temporal monitoring of bridge structures using low cost sensorsToday, reliable, accurate and cost-effective vibration analysis of aging infrastructures such as bridges has received considerable attention. In this project, the Geodetic Institute Hannover (GIH), Leibniz University Hannover, is collaborating with ALLSAT GmbH, Hannover, to develop a hardware and software low-cost multi-sensor-system (MSS) technology to reach aforementioned goal.Leitung: Jens-André Paffenholz , Ingo NeumannTeam:Jahr: 2016Förderung: BMWi (Federal Ministry for Economic Affairs and Energy) – ZIM Kooperationsprojekt (Central Innovation Programme for SMEs)Laufzeit: 09/2016 – 09/2018
![]()
![]()
Forschungsprojekte von Dr.-Ing. Mohammad Omidalizarandi
Letzte Änderung: 11.04.24
