Modern digital technologies as support for classic measurement methods in corrosion diagnosis of reinforced concrete

• Autorzy: Jaśniok Mariusz

Identyfikatory

DOI

10.15199/40.2024.9.1

Warianty tytułu

PL

Nowoczesne technologie cyfrowe jako wsparcie klasycznych metod pomiarowych stosowanych w diagnostyce korozyjnej żelbetu

• Języki publikacji: EN

Abstrakty

EN

This article presents contemporary methods for diagnosing corrosion damage in reinforced concrete structures. The first section provides a brief overview of traditional measurement methods used to assess the corrosion risk of reinforced concrete, including tests of concrete’s protective properties against reinforcement, corrosion probability tests, and polarisation tests of the corrosion rate of reinforcement in concrete. The second part of the article describes modern digital technologies that support the diagnosis of corrosion damage, including visual inspection using mixed reality and artificial intelligence, and remote inspection using drones. Additionally, the article describes a BIM model of the diagnosed structure allowing for the creation of a digital twin. This model integrates all classical and digital diagnostic tools.

PL

W artykule przedstawiono współczesne możliwości prowadzenia zaawansowanej diagnostyki uszkodzeń korozyjnych konstrukcji żelbetowych. W pierwszej części skrótowo omówiono standardowe metody pomiarowe, od dawna stosowane w ocenie zagrożenia korozyjnego żelbetu: badania właściwości ochronnych betonu względem zbrojenia, badania prawdopodobieństwa korozji i polaryzacyjne badania szybkości korozji zbrojenia w betonie. W drugiej, zasadniczej części artykułu scharakteryzowano nowoczesne technologie cyfrowe wspierające diagnostykę uszkodzeń korozyjnych: inspekcję wizualną z użyciem technologii rzeczywistości mieszanej i sztucznej inteligencji, a także zdalną inspekcję z wykorzystaniem dronów. Jako technologię integrującą wszystkie standardowe i cyfrowe narzędzia diagnostyczne opisano model BIM diagnozowanej konstrukcji, umożliwiający stworzenie cyfrowego bliźniaka.

Słowa kluczowe

EN

reinforced concrete structures; corrosion; diagnostics; mixed reality; MR; augmented reality; AR; artificial intelligence; AI; drones; image analysis; BIM; digital twin

PL

konstrukcje żelbetowe; korozja; diagnostyka; rzeczywistość mieszana; MR; poszerzona rzeczywistość; AR; sztuczna inteligencja; AI; drony; analiza obrazu; BIM; bliźniak cyfrowy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Ochrona przed Korozją
• Rocznik: 2024
• Tom: nr 9
• Strony: 246--250
• Opis fizyczny: Bibliogr. 15 poz., fot.

Twórcy

autor

Jaśniok Mariusz

• Department of Building Structures, Faculty of Civil Engineering, Silesian University of Technology, Gliwice, Poland

• https://orcid.org/0000-0002-7628-0710

Bibliografia

• [1] A. Zybura, M. Jaśniok, T. Jaśniok. 2011. Diagnostyka konstrukcji żelbetowych. Warszawa: Wydawnictwo Naukowe PWN.
• [2] M. Jaśniok. 2013. Modelowanie układu stal–beton w pomiarach szybkości korozji zbrojenia metodą spektroskopii impedancyjnej. Gliwice: Wydawnictwo Politechniki Śląskiej.
• [3] M. Jaśniok. 2022. Elektrochemiczna spektroskopia impedancyjna w diagnostyce konstrukcji betonowych i stalowych. Gliwice: Wydawnictwo Politechniki Śląskiej.
• [4] C. Andrade, C. Alonso. 2001. “On-Site Measurements of Corrosion Rate of Reinforcements.” Construction and Building Materials 15(2–3): 141–145. DOI: 10.1016/S0950-0618(00)00063-5.
• [5] F. N. Catbas, F. Luleci, M. Zakaria, U. Bagci, J. J. LaViola, Jr., C. Cruz-Neira, D. Reiners. 2022. “Extended Reality (XR) for Condition Assessment of Civil Engineering Structures: A Literature Review.” Sensors 22(23): 9560. DOI: 10.3390/s22239560.
• [6] E. Karaaslan, U. Bagci, F. N. Catbas. 2019. “Artificial Intelligence Assisted Infrastructure Assessment Using Mixed Reality Systems.” Transportation Research Record 2673(12): 413–424. DOI: 10.1177/0361198119839988.
• [7] A. Schäfer, G. Reis, D. Stricker. 2022. “A Survey on Synchronous Augmented, Virtual, and Mixed Reality Remote Collaboration Systems.” ACM Computing Surveys 55(6): 116. DOI: 10.1145/3533376.
• [8] F. Savini, M. Castiglia, D. Gargaro, I. Trizio, G. Fabbrocino. 2023. “Mixed Reality Procedures for the Maintenance of Existing Bridges and Retaining Walls.” ce/papers 6(5): 1382–1390. DOI: 10.1002/cepa.2110.
• [9] D.-C. Nguyen, T.-Q. Nguyen, R. Jin, C.-H. Jeon, C.-S. Shim. 2022. “BIM-Based Mixed-Reality Application for Bridge Inspection and Maintenance.” Construction Innovation 22(3): 487–503. DOI: 10.1108/CI-04-2021-0069.
• [10] J. Seo, L. Duque, J. Wacker. 2018. “Drone-Enabled Bridge Inspection Methodology and Application.” Automation in Construction 94: 112–126. DOI: 10.1016/j.autcon.2018.06.006.
• [11] H.-F. Wang, L. Zhai, H. Huang, L.-M. Guan, K.-N. Mu, G. Wang. 2020. “Measurement for Cracks at the Bottom of Bridges Based on Tethered Creeping Unmanned Aerial Vehicle.” Automation in Construction 119: 103330. DOI: 10.1016/j.autcon.2020.103330.
• [12] D. Ribeiro, R. Santos, A. Shibasaki, P. Montenegro, H. Carvalho, R. Calçada. 2020. “Remote Inspection of RC Structures Using Unmanned Aerial Vehicles and Heuristic Image Processing.” Engineering Failure Analysis 117: 104813. DOI: 10.1016/j.engfailanal.2020.104813.
• [13] V. Bazhenov. 2023. “BIM Dimensions: Example of Air Blower Station at Wastewater Treatment Plant.” E3S Web of Conferences 458: 08004. DOI: 10.1051/e3sconf/202345808004.
• [14] A. Istanbullu, S. Wamuziri, M. Siddique. 2022. “BIM Digital Twins Environment to Enhance Construction Process.” IOP Conference Series: Earth and Environmental Science 1055: 012006. DOI: 10.1088/1755-1315/1055/1/012006.
• [15] H. Morgenstern, M. Raupach. 2023. “Predictive BIM with Integrated Bayesian Inference of Deterioration Models as a Four-Dimensional Decision Support Tool.” CivilEng 4(1): 185–203. DOI: 10.3390/civileng4010012.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).