#bridge_paper #Fatigue #TrafficLoads #Infrasrtuctures #OA

Modeling and Classification of Random Traffic Patterns for Fatigue Analysis of Highway Bridges
// Моделирование и классификация режимов случайных транспортных потоков для усталостного анализа конструкций автодорожных мостов //

Xianglong Zheng et al (China)

Усталостная долговечность мостов сильно зависит от режимов движения транспорта, однако современные нормы часто не учитывают стохастический характер движения нагрузок по мосту, что особенно критично в условиях общей перегруженности транспортной сети. В данном исследовании предложен аналитический подход для моделирования влияния случайных транспортных режимов на процесс накопления усталостных повреждений в конструкциях. Авторами предложен коэффициент усталостного повреждения (RPEF), устанавливающий корреляцию величин повреждения с характеристиками транспортного потока. Было установлено, что для описания RPEF определенного режима движения достаточно применять два параметра – среднее количество нагружений (масштабный коэффициент) и коэффициент вариации дистанции между транспортными средствами (коэффициент формы). В рамках исследования была произведена апробация метода в условиях преобладания смешанных режимов движения, которые невозможно описать одним коэффициентом - в этом случае усталостные повреждения можно оценивать через суперпозицию различных транспортных режимов. Кроме того, авторами отмечается, что для пролетов свыше 50м особенно важно аккуратно подходить к точности классификации потоков, так как излишне упрощение может привести к значительной недооценке усталостных повреждений.

Abstract: With the increasing severity of traffic congestion, the impact of random traffic patterns has emerged as an indispensable factor in the fatigue design and assessment of highway bridges. In this study, an analytical approach has been proposed for modeling the effects of random traffic patterns on fatigue damage. A fatigue damage ratio, referred to as RPEF, is introduced to establish the correlation between damage and traffic characteristics. Two quantitative parameters representing two characteristics of traffic loads, namely the average loading occurrence number (scale parameter) and the vehicle headway COVs (shape parameter), have been found to be excellent indices for clustering the different dimensional randomness of RPEFs. Based on a comprehensive case study, the realization of using equivalent RPEFs to evaluate bridge fatigue damage under mixed traffic conditions was explored. The results indicate that the actual fatigue damage of bridges can be evaluated through the superposition of different traffic pattern effects, provided that the pattern classification number fits the fluctuations in traffic flow. It is necessary to ensure the rationality of traffic pattern classification for structures with spans greater than 50 m, as an overly simplistic traffic pattern classification may lead to an underestimation of fatigue damage.

Modeling and Classification of Random Traffic Patterns for Fatigue Analysis of Highway Bridges / X. Zheng, B. Chen, Z. Zhang, H. Zhang, J. Liu, J. Zhang // Infrastructures. – 2025. – Vol. 10. – № 7. – P. 187. DOI: 10.3390/infrastructures10070187

Заглавное изображение - авторов статьи

#bridge_paper #BMS #forecasting #Infrasrtuctures #OA

Innovative Forecasting: “A Transformer Architecture for Enhanced Bridge Condition Prediction”
// Инновационное прогнозирование: "Использование ML-модели "Трансформер" для повышения качества прогнозирования состояния мостов" //

Manuel Fernando Flores Cuenca et al

Современные системы управления мостовыми активами часто полагаются на реактивные стратегии, основанные на часто несистематизированные данные осмотров и обследований. В данной работе предлагается переход к проактивному прогнозированию с использованием модели машинного обучения "Трансформер", вдохновленной моделями обработки естественного языка и широко используемой ныне в онлайн-переводчиках. В предложенном авторами методе исторические данные национальной базы мостов CША за 1993-2024 годы трактуются как "предложения", где каждый год представляет собой "слово", а характеристики моста – его векторное представление. Ключевым преимуществом модели "Трансформер" является механизм самовнимания, позволяющий модели анализировать всю историю наблюдений одновременно и выявлять сложные долгосрочные зависимости, которые недоступны другим наиболее наиболее распространенным рекуррентным сетям (LSTM, GRU). По словам авторов, модель демонстрирует точность 96.88% для краткосрочного и 86.97% для семилетнего прогноза, что существенно выше показателей LSTM (50.15%) и GRU (72.49%). Выражаясь образно, предложенный метод позволяет мостам "говорить" через данные инспекций, а инженерам – "слышать" их с высокой точностью, закладывая основу для более совершенного подхода к управлению инфраструктурой.

Abstract: The preservation of bridge infrastructure has become increasingly critical as aging assets face accelerated deterioration due to climate change, environmental loading, and operational stressors. This issue is particularly pronounced in regions with limited maintenance budgets, where delayed interventions compound structural vulnerabilities. Although traditional bridge inspections generate detailed condition ratings, these are often viewed as isolated snapshots rather than part of a continuous structural health timeline, limiting their predictive value. To overcome this, recent studies have employed various Artificial Intelligence (AI) models. However, these models are often restricted by fixed input sizes and specific report formats, making them less adaptable to the variability of real-world data. Thus, this study introduces a Transformer architecture inspired by Natural Language Processing (NLP), treating condition ratings, and other features as tokens within temporally ordered inspection “sentences” spanning 1993–2024. Due to the self-attention mechanism, the model effectively captures long-range dependencies in patterns, enhancing forecasting accuracy. Empirical results demonstrate 96.88% accuracy for short-term prediction and 86.97% across seven years, surpassing the performance of comparable time-series models such as Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRUs). Ultimately, this approach enables a data-driven paradigm for structural health monitoring, enabling bridges to “speak” through inspection data and empowering engineers to “listen” with enhanced precision.

Flores Cuenca M.F. Innovative Forecasting: “A Transformer Architecture for Enhanced Bridge Condition Prediction” / M.F. Flores Cuenca, Y. Yardim, C. Hasan // Infrastructures. – 2025. – Vol. 10. – Innovative Forecasting. – № 10. – P. 260. DOI: 10.3390/infrastructures10100260

Заглавное изображение - авторов статьи

Рады поделиться с вами программой семинара "Надежность мостовых сооружений на протяжении всего жизненного цикла", до которого остается меньше месяца!

В расширенном виде программа также доступна на странице iabse.ru/seminar2025

Напоминаем, что участие в семинаре бесплатное, но обязательна предварительная регистрация.

Количество мест для дистанционного участия неограниченно.
Участие на площадке возможно по согласованию с организаторами (russia@iabse.ru)

Регистрация: https://forms.gle/7WiL5bWwkSsU8LCQ7

#bridge_conference

мосты.sci + IABSE

Как могли заметить читатели, мосты.sci практически пропал из ленты в последний месяц.

И это неспроста - дело в том, что все участники редакции принимали активное участие в организации и проведении первого семинара Российской национальной группы IABSE, который успешно прошел в эту субботу!

Потихоньку приходим в себя и возобновляем наши публикации. В ближайшее время на канале будут выходить тематические посты, посвященные интереснейшим докладам встречи.

#bridge_paper #failures #repairs #SEI

Failure of the Steel Plate Reinforcement of the Zoetwaterkanaalbrug’s Bridge Deck, The Netherlands: Technical Report
// Разрушение усиления ортотропной плиты проезжей части на стальном мосту Zoetwaterkanaalbrug’s в Нидерландах: технический отчёт //

Jurgen Voermans

Технический отчет посвящен анализу эффективности усиления ортотропной плиты проезжей части разводного стального пролётного строения моста в Нидерландах. В конце 2013 года на мосту были обнаружены усталостные трещины в зоне сварных соединений между листом настила и продольными ребрами жесткости под наиболее нагруженными полосами движения. Следует отметить, что толщина ездового покрытия составляла всего 12 мм. В качестве решения было принято усилить плиту в зонах под грузовыми полосами движения путем наклеивания дополнительных стальных листов. Однако уже через пару лет на западной стороне моста произошло отслоение усиливающего листа. В том же году он был демонтирован и заменен на набор новых, установленных по несколько изменённой технологии. В 2018 году было зафиксировано отслоение листа и на восточной стороне, после чего его демонтировали без восстановления. В статье приводится детальный анализ технологически-конструктивных аспектов применения данного метода, а также формулируются рекомендации по его использованию с учетом полученного практического опыта.

Abstract: This paper investigates the failure of steel plate reinforcement on the Zoetwaterkanaalbrug’s bridge deck in the Netherlands. While the reinforcement was initially successful, the project later encountered issues with plate debonding, leading to a thorough investigation of both execution and design aspects. The study reveals that inadequate adhesion and unanticipated peel stresses due to freight traffic were significant factors. The findings underscore the importance of considering peel stresses in the design phase and suggest further research into the fatigue life of adhesive joints under such stresses. The paper contributes valuable insights for enhancing the longevity and effectiveness of lightweight reinforcing methods for bridge decks

Voermans J. Failure of the Steel Plate Reinforcement of the Zoetwaterkanaalbrug’s Bridge Deck, The Netherlands / J. Voermans // Structural Engineering International. – 2025. DOI: 10.1080/10168664.2025.2557461.

Заглавное изображение - авторов статьи

#bridge_paper #BMS #BrIM #bridge_maintenance #Infrastructures #OA

An Automated Information Modeling Workflow for Existing Bridge Inspection Management
// Концепция применения автоматизированного информационного моделирования в задачах управления обследованиями существующих мостов //

Adriana Marra et al (Italy)

В журнале «Infrastructures» вышла очередная статья итальянского коллектива, посвящённая повышению эффективности систем управления мостами (предыдущие работы: 1, 2, 3). В последние годы на фоне серии крупных катастроф, непосредственно связанных с недостаточной изученностью старых сооружений, эта тема стала в Италии одной из наиболее актуальных и интенсивно исследуемых. На этот раз авторы рассматривают возможность использования методов автоматизированного построения информационных моделей на основе данных обследований для их последующего сохранения и анализа в BMS (Bridge Management Systems — системах управления мостами). В рамках предложенной концепции производится автоматизированное объединение информационной модели существующего моста (построенной в Revit с использованием облака точек) с базой данных результатов регулярных обследований (NocoDB) посредством скриптов Dynamo. Такая связка обеспечивает регулярное обновление модели на основе новых данных, что приближает её к концепции цифрового двойника моста. Предложенная методика была успешно апробирована авторами на реальном эксплуатируемом мосту в Италии.

Abstract: The safety, conservation, and efficient management of existing road bridges have assumed a key role in recent years due to the strategic importance of these structures for local territories and their exposure to natural and anthropogenic risks. Many assets are in a state of degradation due to adverse environmental conditions, unforeseen loads in the design phase, and lack of maintenance, with often dramatic consequences. In response to these critical issues, integrated approaches based on the exploitation of different digital technologies are emerging to support inspection, monitoring, and maintenance activities. This paper proposes a digital workflow for bridge inspection management, based on the integration of information modeling, online databases, and automated data exchange and updating. The designed workflow enables the creation of a dynamic information model that evolves with the time-dependent data collected during periodic inspections by means of a Visual Programming Language. The data, stored in an online database, are filtered, analyzed, and dynamically associated with model elements, ensuring consistency, traceability, and reduction in manual input errors. The workflow was validated through a field application to an existing bridge, demonstrating its effectiveness in automating information management and providing the basis for the development of an interoperable and scalable platform for the digital management of infrastructure assets.

An Automated Information Modeling Workflow for Existing Bridge Inspection Management / A. Marra, I. Trizio, G. Fabbrocino, A. Marra, I. Trizio, G. Fabbrocino // Infrastructures. – 2025. – Vol. 10. – № 11. DOI: 10.3390/infrastructures10110312

Заглавное изображение - авторов статьи

#bridge_paper #Other #Loads #Accidents #Infrastructures #OA

Simplified Impact Load Model Analysis of Vehicle-to-Bridge Pier Collision
// Анализ упрощенных моделей нагрузок для задачи моделирования столкновения транспортного средства с опорой моста //

Chaoran Xu and Chung C. Fu (USA)

Столкновение транспортных средств с опорами мостов, с одной стороны, является "особым" и довольно редким событием, но, с другой стороны, может приводить к катастрофическим последствиям. В американских стандартах проектирования AASHTO LRFD для проверки конструкции опоры на подобные ситуации используется эквивалентная статическая нагрузка. Как отмечают авторы статьи, такой подход не учитывает ключевые особенности данной ситуации, а именно ее динамическую природу, и связанные с ней зависимости параметров удара от скорости и массы транспортного средства. С другой стороны, полная динамическая постановка данной задачи сложна и ресурсозатратна в решении и не может рассматриваться, как полноценный инженерный инструмент. В данном исследовании авторами предлагаются две методики проверки конструкции опоры в динамической постановке. Первая основывается на использовании упрощенной модели воздействия нагрузки на стержневую модель опоры, с использованием системы из масс, пружин и демпферов. Вторая методика основывается на использовании статистического метода регрессионной модели на основе поверхности отклика. Для возможности сопоставлении результатов данная задача также была решена в динамической постановке с использованием детальной конечно-элементной модели. Результаты, полученные с использование упрощенных моделей, незначительно отличались от результатов ресурсозатратного детального анализа. Авторами делается вывод, что предложенные модели обеспечивают более точные оценки по сравнению с статическим подходом, что делает их практичным инструментом для инженеров при оценке событий столкновения.

Abstract: As a key member of the bridge substructure, the pier is always the most critical part under a variety of hazards, among which vehicle-induced impact is a rare but extreme load hazard that may result in significant structural damage and even the full failure of the bridge. Current design provisions, such as those in the AASHTO Load and Resistance Factor Design (LRFD) Bridge Design Specifications, adopt a constant equivalent static force (ESF) of 600 kips to represent vehicle impact loads. However, this simplified assumption neglects key parameters—such as vehicle speed, mass, and pier geometry—that significantly influence impact behavior. This study develops and evaluates two simplified impact load estimation models to improve the accuracy and practicality of design-level assessments: a reduced-order dynamic model and a response surface model. The reduced-order dynamic model captures vehicle–pier interaction through a simplified mass–spring system, while the response surface model uses regression-based relationships derived from extensive finite element (FE) simulations conducted in LS-DYNA. Sensitivity analyses identify the most influential parameters governing impact loads, including vehicle velocity, cargo mass, pier diameter, and impact height. The results show that both models can effectively predict peak dynamic and equivalent static impact loads, providing more accurate and physically interpretable results than the current constant-load approach. The proposed frameworks offer practical tools for bridge engineers to evaluate vehicle–pier collision scenarios and can be further extended for use in truck-to-pier and ship-to-pier impact analyses.

Simplified Impact Load Model Analysis of Vehicle-to-Bridge Pier Collision / C. Xu, C.C. Fu, C. Xu, C.C. Fu // Infrastructures. – 2025. – Vol. 10. – № 12. DOI: 10.3390/infrastructures10120320

Заглавное изображение - авторов статьи

#bridge_paper #SEI #bridge_managment

Mohamed Abdelillah Fidma, Franziska Schmidt and Jean-François Bercher

Deep Learning Techniques for Damage Detection in Structural Health Monitoring: A Review
// Обзор методов применения глубокого обучения при мониторинге технического состояния сооружения //

В статье рассказывается об возможностях применения методов глубокого обучения (deep learning) в задачах мониторинга технического состояния сооружений. Рассмотрены три типа данных, получаемых в ходе мониторинга: динамические данные (записи ускорений), изображения с камер и данные, полученные методами неразрушающего контроля. Цель применения данных методов заключается в автоматизации процесса распознавания дефектов и повреждений, определения их локализации и идентификации, а также в автоматизации задач оценки технического состояния конструкции и прогнозирования влияния дефектов на показатели состояния.
В статье детально описана методология проведения обзора. По результатам анализа сделаны выводы о возможностях и ограничениях использования инструментов глубокого обучения при мониторинге технического состояния сооружений. Среди преимуществ выявлены возможности автоматизации и повышения точности контроля состояния конструкции. При этом отмечается, что имеются существенные ограничения по объёму существующих баз данных дефектов и повреждений, и, следовательно, сложности с подготовкой универсальных моделей для анализа любого типа повреждений.

Abstract. The article discusses the potential applications of deep learning methods in structural health monitoring tasks. It examines three types of data obtained during monitoring: dynamic data (acceleration recordings), camera images, and data acquired through non-destructive testing methods (e.g., thermal images). The goal of applying these methods is to automate the process of defect and damage recognition, determining their location and identification, as well as to automate tasks related to assessing the technical condition of the structure and predicting the impact of defects on its condition indicators.
The article details the methodology of the review. Based on the analysis, conclusions are drawn regarding the capabilities and limitations of using deep learning tools in structural health monitoring. Among the identified advantages are opportunities for automation and increased accuracy in structural condition assessment. At the same time, it is noted that significant limitations exist concerning the volume of existing databases of defects and damages, and consequently, challenges in preparing universal models for analyzing any type of damage.

Deep Learning Techniques for Damage Detection in Structural Health Monitoring: A Review / Mohamed Abdelillah Fidma, Franziska Schmidt and Jean-François Bercher // Structural Engineering International – 2025. – DOI: https://doi.org/10.1080/10168664.2025.2584752

Заглавное изображение - авторов статьи

Редакция канала "Мосты.sci" спешит поздравить всех дорогих подписчиков с наступающим Новым годом!

Пусть в новом году осуществятся все наши планы и мечты. Пусть наше инженерное творчество приведёт к тому, что каждый из нас сможет поделиться своими достижениями на страницах этого канала, а у редакции найдутся время и возможности поддерживать это дело регулярными публикациями. И, конечно же, пусть с каждым останутся любовь, здоровье, благополучие и гармония.

Спасибо вам, что остаётесь с нами и поддерживаете стремление расширять горизонты мостового искусства!

Ваша редакция "Мосты.sci",
главный редактор Николай Козак

Рады приветствовать всех, кто присоединился к каналу после упоминания в папках замечательного @ivoryzoo. Делимся этими папками и с вами.

К сожалению, пока не можем радовать вас частыми постами - редакция всё ещё в длительном творческом отпуске. Впрочем, причина этого отпуска не самая плохая: оказалось, что наши обзоры действительно востребованы в исследовательских проектах. И у части команды, включая главного редактора, просто не хватает сил «обозревать и тут и там». Надеемся, что рано или поздно занятость войдёт в гармонию и мы сможем снова делиться с вами самыми интересными работами. (Если, конечно, к тому времени площадка Telegram будет ещё актуальна).

В любом случае хочется верить, что архив обзоров, собранный в этом канале, окажется полезным и для старых, и для новых читателей.
У нас есть система хештегов для поиска по основным направлениям (https://t.me/bridges_sci/3), а для просмотра истории удобно использовать недельные дайджесты (#bridges_sci_digest). Поддержка поискового бота временно приостановлена, но по всем вопросам можете писать в комментарии – постараемся ответить и помочь что-либо найти.

Чтобы не заканчивать на грустной ноте: в ближайшее время мы всё же планируем несколько публикаций об интересных зарубежных монографиях и пособиях для проектировщиков.
В связи с этим хотели бы узнать мнение аудитории - интереснее читать большие заметки с обзорами сразу нескольких книг по одной теме или лучше оставить старый формат с разбором одного источника в посте?