Zuverlässigkeitsbasierte Optimierung von Eisenbahnbrücken im Hochgeschwindigkeitsverkehr

Schematische Darstellung des Gesamtsystems und der Modelle der Teilsysteme Zug und Brücke. Grafik: mod. übernommen aus [15] (obere Abb.) und [14] (untere Abb.)

B. Goller, P. König, C. Adam

Bauingenieur Jahrgang 99 (2024) Heft 12

Publikationsdatum: 05.12.2024

doi.org/10.37544/0005–6650–2024–12–35

Zusammenfassung In diesem Beitrag wird eine Methode zur optimierten Auslegung von Eisenbahnbrücken im Hochgeschwindigkeitsverkehr vorgestellt. Die der Berechnung zugrunde liegende Zielgröße ist die laut Norm geforderte Versagenswahrscheinlichkeit, wobei die Querschnittsgeometrie als die zu optimierende Designvariable definiert wird. Im mechanischen Modell wird die Brücke als Bernoulli-Euler Balken modelliert und als Lastmodell für die Zugüberfahrt wird ein Masse-Feder-Dämpfer-Modell verwendet. Die Versagenswahrscheinlichkeit, die man in der Ingenieurpraxis meist im Rahmen eines semi-probabilistischen Ansatzes berechnet, wird in dieser Arbeit mittels stochastischer Analyse unter Berücksichtigung der auftretenden Unsicherheiten ermittelt. Zusätzlich werden die einflussreichsten unsicheren Parameter im Rahmen einer Sensitivitätsanalyse bestimmt. Um den daraus resultierenden hohen Rechenaufwand zu verringern, werden effiziente simulations-basierte stochastische Methoden mit den Vorteilen einer Parallelisierung der Analyse kombiniert.

Reliability-based optimization of high-speed railway bridges

Abstract This paper presents a method for optimizing the load-baring structure of high-speed railway bridges. Optimization is performed in terms of the required failure probability as defined in the relevant regulations, with the geometry of the bridge cross-section as the design variable to be optimized. The bridge is modelled as an Euler-Bernoulli beam crossed by a rigid mass-spring-damper system representing the train moving at a constant speed. While for practical problems the probability of failure is usually computed in the framework of a semi-probabilistic approach, in the present paper a full stochastic approach is used, where the uncertainties are quantitatively considered. In addition, a sensitivity analysis is performed to determine the most influential uncertain parameters. To reduce the high computational effort, efficient simulation algorithms are combined with the advantage of parallel computing.