Valutazione strutturale di ponti e viadotti mediante reti neurali

An efficient transportation system is essential to sustain the social and economic development of countries. In this system, bridges are the most vulnerable elements due to the effects of aging and deterioration, which could affect their structural performance and functionality. Moreover, developed countries are characterized by bridge stocks that include a large number of bridges close to a 50-year service life. In this context, in order to guarantee an adequate level of performance across all the infrastructural network, managers are required to schedule preventive and essential maintenance activities. The prioritization of the interventions is performed exploiting numerical scores that synthesize the overall structural condition. For each bridge, computerized Bridge Management Systems (BMSs) are able to provide an automatic evaluation of one or more indicators starting from the data coming from inspection activities, which are properly stored into the systems’ archives. Furthermore, they are able to predict the values of the indicators by means of proper deterioration models. These systems adopt different kinds of computational techniques, among them soft computing techniques, such as artificial neural networks, are able to manage incomplete datasets that include information deriving from engineering judgments based on qualitative and/or subjective evaluations. The Thesis proposes an artificial neural network-based methodology for the evaluation of the structural adequacy of large groups of bridges. The effectiveness of the proposed methodology is proved through the assessment and prediction of the structural adequacy of the Californian bridges included in the National Bridge Inventory.

Un sistema di trasporto efficiente è alla base della crescita economica e sociale delle comunità. I ponti rappresentano gli elementi più vulnerabili di questo sistema poiché esposti a fenomeni di invecchiamento e degrado che possono comprometterne prestazioni strutturali e funzionalità. Inoltre, i patrimoni infrastrutturali dei Paesi avanzati sono composti da un cospicuo numero di ponti e viadotti caratterizzati da una vita di servizio prossima ai 50 anni. In questo contesto, gli enti gestori devono pianificare ed attuare azioni di manutenzione ordinaria e straordinaria al fine di garantire adeguati livelli prestazione delle strutture su tutto lo sviluppo della rete. La prioritizzazione degli interventi sulla rete di trasporto è effettuata mediante l’utilizzo di indicatori numerici che descrivono sinteticamente lo stato di conservazione della struttura. Sistemi di gestione computerizzata di ponti e viadotti, noti come Bridge Management Systems (o BMSs), consentono di stimare in maniera automatica uno o più indicatori per ogni ponte a partire dalle informazioni raccolte in fase di ispezione e ordinatamente archiviate nel BMS. Inoltre, possono fornire previsioni del valore degli indicatori mediante l’implementazione di appropriati modelli di degrado. Questi sistemi impiegano diverse tipologie di metodi computazionali, tra questi alcune tecniche di soft computing come le reti neurali artificiali consentono di gestire basi di dati incompleti e che incorporano un giudizio ingegneristico formulato sulla base di valutazioni qualitative e/o soggettive. Questo lavoro di Tesi propone una metodologia basata sull’utilizzo delle reti neurali per la valutazione dell’adeguatezza strutturale di numerosi gruppi di ponti. L’efficacia della metodologia proposta è dimostrata mediante valutazione e la previsione dell’adeguatezza strutturale di un gruppo di ponti localizzati in California ed inclusi nel National Bridge Inventory.