Valutazione dello stato di conservazione di ponti e viadotti mediante reti neurali

The economic growth and sustainable development of modern society need to rely on efficient, reliable and durable infrastructure facilities. In particular, bridges represent the most vulnerable elements of a transportation network due to detrimental effects of aging and deterioration processes. In this context, an effective infrastructure management is required to prioritize interventions, both at project and network level. To this aim, over the past decade Bridge Management Systems (BMS) have been developed to support the decision-making process for the optimization of preventive and corrective maintenance planning. These systems exploited different types of computational methods, including soft computing techniques such as artificial neural networks (ANN) that are able to efficiently handle datasets incorporating incomplete information, engineering judgment, and expert opinion. The thesis proposes an ANN - based methodology for the condition assessment of reinforced concrete (RC) bridges and viaducts. The effectiveness of the proposed methodology is demonstrated through benchmarks and applications, including the life-cycle structural capacity assessment of an existing RC arch bridge in Italy and the condition state prediction of a stock of RC bridges in California.

Lo sviluppo socio-economico di un Paese richiede sistemi di trasporto e reti infrastrutturali efficienti, affidabili e durevoli. Ponti e viadotti sono tra gli elementi più vulnerabili delle reti viarie a causa dell’invecchiamento di materiali e componenti e dei fenomeni di degrado conseguenti all’esposizione ad ambienti aggressivi. Nella gestione dei ponti e delle reti infrastrutturali si ha quindi l’esigenza di stabilire la priorità d’intervento sui manufatti, tenendo conto sia dello stato del singolo ponte sia della valenza strategica dell’opera inserita nel contesto infrastrutturale. A tale scopo sono stati sviluppati dei sistemi di gestione dei ponti (Bridge Management Systems, BMS) di supporto al processo decisionale per la definizione ottimale dei piani di manutenzione ordinaria e straordinaria. Questi sistemi impiegano diverse tipologie di metodi computazionali, ad esempio di Soft Computing come le reti neurali artificiali, che consentono di gestire basi di dati, anche incompleti, che derivano dall’espressione di un giudizio ingegneristico formulato sulla base di valutazioni qualitative e/o soggettive. La tesi è dedicata a questo problema e propone una metodologia basata sull’impiego di reti neurali per la valutazione dello stato di conservazione di ponti in calcestruzzo armato. L’efficacia della metodologia proposta viene mostrata con una serie di casi prova e applicazioni strutturali, quali la valutazione a ciclo di vita di un ponte ad arco esistente in Italia e la previsione dello stato di conservazione di un gruppo di ponti in California.