2026-07-272026-07-27https://hdl.handle.net/11420/64064Die fortschreitende Digitalisierung des Bauwesens prägt zunehmend die Konzepte des modernen Bauwerksmonitorings (engl. „Structural Health Monitoring“, SHM). Um mit diesen Entwicklungen Schritt zu halten, müssen Ansätze zur Sensorfehlerdiagnostik (engl. „Fault Diagnosis“, FD), die für zuverlässige Bewertungen von Bauwerkszuständen unerlässlich sind, weiterentwickelt werden. Bestehende FD-Konzepte aus benachbarten Disziplinen können aufgrund der Bauwerksspezifika nicht ohne Weiteres auf das Bauwesen übertragen werden. Zudem vereinfachen bestehende Ansätze die Realität häufig zu stark, indem sie annehmen, dass Fehler singulär in Einzelsensoren und nur isoliert als ein Fehlertyp auftreten, während zudem ein unveränderter Bauwerkszustand angenommen wird. In der Praxis können Sensorfehler jedoch gleichzeitig in mehreren Sensoren (bzw. Sensorknoten) auftreten, sich Fehlertypen kombinieren und sich der Bauwerkszustand ändern. Ziel des beantragten Projekts ist die Entwicklung eines Frameworks zur robusten Sensorfehlerdiagnostik für das drahtlose Bauwerksmonitoring. Das Framework umfasst eine FD-Methodik, die die verschiedenen Dimensionen der Fehlerdiagnostik abdeckt, d.h. (i) alle Schritte der Sensorfehlerdiagnose (Detektion, Isolation, Identifikation und Kompensation) sowie alle gängigen Fehlertypen abdeckt, (ii) realitätsnahe Fehlerszenarien einschließlich simultaner Sensorfehler und kombinierter Fehlertypen, und (iii) die zuverlässige Diagnose von Sensorfehlern bei geänderten Bauwerkszuständen (i.d.R. aufgrund von Schädigungen). Darüber hinaus wird ein Konzept entwickelt, das die Implementierung und Einbettung der FD-Methodik in drahtlose Sensorknoten und somit fehlertolerante, dezentrale Datenanalysen durch die Sensorknoten ermöglicht. Hierzu werden verschiedene künstliche Intelligenzansätze miteinander verzahnt, während die Schritte zur Detektion, Isolation, Identifikation und Kompensation auf soliden mathematischen Prinzipien beruhen. Die Forschungshypothese lautet: Die Zuverlässigkeit moderner drahtloser Bauwerksmonitoringsysteme kann über ein multidimensionales Framework zur Sensorfehlerdiagnostik erhöht werden, der die automatisierte und dezentrale Detektion, Isolation, Identifikation und Kompensation realer Sensorfehler direkt in den Sensorknoten drahtloser Sensornetze ermöglicht. Es wird erwartet, dass die Projektergebnisse die Weiterentwicklung moderner Konzepte des Bauwerksmonitorings nachhaltig unterstützen. Die Verknüpfung moderner Bauwerksmonitoringkonzepte mit aktuellen Entwicklungen der dezentralen Datenanalytik im Sinne des „Edge Computing“ wird gestärkt, indem robuste, mathematisch fundierte Selbstdiagnosefunktionen unmittelbar in die Sensorknoten integriert werden können. Hierdurch entwickeln sich drahtlose Sensorknoten, die bereits lokale Monitoringaufgaben quasi-autonom ausführen, zu vollwertigen, fehlertoleranten IoT-Geräten mit erhöhter operativer Autonomie.Recent trends towards digitalization have been shaping modern structural health monitoring (SHM) concepts, promoting wireless technologies for SHM with wireless sensor nodes capable of decentralized “on-board” data analysis. In this context, and given the lack of constant sensor data transmission, the reliable and fault-tolerant operation of wireless sensor nodes is of paramount importance, motivating the development of sensor fault diagnosis (FD) approaches for SHM. FD approaches that have been proven useful in related disciplines cannot simply be adapted to SHM, due to the characteristics of the structures being monitored. Moreover, existing FD approaches may oversimplify reality, frequently assuming that sensor faults appear in individual sensors and with single fault types, while the structural condition is considered unchanged. In practice, though, sensor faults may occur simultaneously in multiple sensors (or sensor nodes), sensor faults may be combined, and the structural condition may change. The proposed project aims to develop a framework for robust sensor FD in modern wireless SHM systems. The proposed framework will include a sensor FD methodology that will address multiple dimensions, i.e. (i) all FD steps (detection, isolation, identification and accommodation) and all common sensor fault types, (ii) real-world sensor fault dimensions (such as single-sensor faults, simultaneous sensor faults as well as single and combined fault types), and (iii) the diagnosis of sensor faults in the event of structural damage. In addition, the framework will include a design concept towards decentralizing the sensor FD methodology into wireless sensor nodes, thus, enabling the performance of self-diagnostics at the edge of wireless sensor networks. In this direction, artificial intelligence techniques will be coupled, enabling decentralized, fault-tolerant sensor data analysis. To provide robustness of the framework, the steps towards detecting, isolating, identifying and accommodating sensor faults will be based on sound mathematical principles. The research hypothesis is formulated as follows: The reliability of modern wireless structural health monitoring systems stands to benefit from a multi-dimensional sensor fault diagnosis framework, enabling robust fault diagnosis of real-world sensor faults “at the edge” of wireless sensor networks, i.e. in an automated/decentralized fashion without user interaction. The outcome of the project is expected to enhance the alignment of modern SHM concepts, centering around wireless sensor networks that feature on-board data analysis, with emerging trends on edge computing through integrating robust self-diagnostic capabilities into the wireless sensor nodes themselves. As a result, wireless sensor nodes, typically already capable of performing SHM tasks locally and quasi-independently, are expected to function as fully-fledged, fault-tolerant Internet-of-Things devices with enhanced operational autonomy.