Verbesserung der seismischen Kapazität von Mauerwerkswänden durch Verwendung von Elastomerlagern

Ein großer Teil der Schäden wie auch der Verluste an Gesundheit und Leben im Erdbebenfall hat mit dem frühzeitigen Versagen von Mauerwerksbauten zu tun. Unbewehrtes Mauerwerk, wie es in vielen Ländern üblich ist, weist naturgemäß einen begrenzten Erdbebenwiderstand auf, da Zugspannungen und Zugkräfte nicht wie bei Stahlbeton- oder Stahlbauten aufgenommen werden können. Aus diesem Grund wurde bereits mit verschiedenen Methoden versucht, die Tragfähigkeit von Mauerwerk im Erdbebenfall zu verbessern. Modernes Mauerwerk kann auch als bewehrtes oder eingefasstes Mauerwerk hergestellt werden. Bei bewehrtem Mauerwerk kann durch die Bewehrung der Widerstand bei Beanspruchung als Scheibe wie als Platte verbessert werden, während durch Einfassung mit Stahlbetonelementen in erster Linie die Scheibentragfähigkeit sowie die Verbindung zu angrenzenden Bauteilen verbessert wird. Eine andere interessante Möglichkeit ist das Aufbringen textiler Mauerwerksverstärkungen oder von hochfesten Lamellen. In dieser Arbeit wird ein ganz anderer Weg beschritten, indem weiche Fugen Spannungsspitzen reduzieren sowie eine höhere Verformbarkeit gewährleiten. Dies ist im Erdbebenfall sehr hilfreich, da die Widerstandfähigkeit eines Bauwerks oder Bauteils letztlich von der Energieaufnahmefähigkeit, also dem Produkt aus Tragfähigkeit und Verformbarkeit bestimmt wird. Wenn also gleichzeitig durch die weichen Fugen keine Schwächung oder sogar eine Tragfähigkeitserhöhung stattfindet, kann der Erdbebenwiderstand gesteigert werden. Im Kern der Dissertation steht die Entwicklung der Baukonstruktion einer Mauerwerkstruktur mit einer neuartigen Ausbildung der Mauerwerksfugen, nämlich Elastomerlager und Epoxydharzkleber anstatt üblichem Dünnbettmörtel. Das Elastomerlager wird zwischen die Steinschichten einer Mauerwerkswand eingefügt und damit verklebt. Die Auswirkung dieses Ansatzes auf das Verhalten der Mauerwerkstruktur wird unter dynamischer und quasi-statischer Last numerisch und experimentell untersucht und dargestellt.

Klassifikationsgestützte on-line Adaption eines robusten beobachterbasierten Fehlerdiagnoseansatzes für nichtlineare Systeme

Diese Arbeit behandelt die Problemstellung der modellbasierten Fehlerdiagnose für Lipschitz-stetige nichtlineare Systeme mit Unsicherheiten. Es wird eine neue adaptive Fehlerdiagnosemethode vorgestellt. Erkenntnisse und Verfahren aus dem Bereich der Takagi-Sugeno (TS) Fuzzy-Modellbildung und des Beobachterentwurfs sowie der Sliding-Mode (SM) Theorie werden genutzt, um einen neuartigen robusten und nichtlinearen TS-SM-Beobachter zu entwickeln. Durch diese Zusammenführung lassen sich die jeweiligen Vorteile beider Ansätze miteinander kombinieren. Bedingungen zur Konvergenz des Beobachters werden als lineare Matrizenungleichungen (LMIs) abgeleitet. Diese Bedingungen garantieren zum einen die Stabilität und liefern zum anderen ein direktes Entwurfsverfahren für den Beobachter. Der Beobachterentwurf wird für die Fälle messbarer und nicht messbarer Prämissenvariablen angegeben. Durch die TS-Erweiterung des in dieser Arbeit verwendeten SM-Beobachters ist es möglich, den diskontinuierlichen Rückführterm mithilfe einer geeigneten kontinuierlichen Funktion zu approximieren und dieses Signal daraufhin zur Fehlerdiagnose auszuwerten. Dies liefert eine Methodik zur Aktor- und Sensorfehlerdiagnose nichtlinearer unsicherer Systeme. Gegenüber anderen Ansätzen erlaubt das Vorgehen eine quantitative Bestimmung und teilweise sogar exakte Rekonstruktion des Fehlersignalverlaufs. Darüber hinaus ermöglicht der Ansatz die Berechnung konstanter Fehlerschwellen direkt aus dem physikalischen Vorwissen über das betrachtete System. Durch eine Erweiterung um eine Betriebsphasenerkennung wird es möglich, die Schwellenwerte des Fehlerdiagnoseansatzes online an die aktuelle Betriebsphase anzupassen. Hierdurch ergibt sich in Betriebsphasen mit geringen Modellunsicherheiten eine deutlich erhöhte Fehlersensitivität. Zudem werden in Betriebsphasen mit großen Modellunsicherheiten Falschalarme vermieden. Die Kernidee besteht darin, die aktuelle Betriebsphase mittels eines Bayes-Klassikators in Echtzeit zu ermitteln und darüber die Fehlerschwellen an die a-priori de nierten Unsicherheiten der unterschiedlichen Betriebsphasen anzupassen. Die E ffektivität und Übertragbarkeit der vorgeschlagenen Ansätze werden einerseits am akademischen Beispiel des Pendelwagens und anderseits am Beispiel der Sensorfehlerdiagnose hydrostatisch angetriebener Radlader als praxisnahe Anwendung demonstriert.