User: Guest  Login
Less Searchfields
Simple search
Original title:
Digital Twin Modeling of Existing Bridges Using Optimization Algorithms and Artificial Intelligence Techniques
Translated title:
Digitale Zwillingsmodellierung bestehender Brücken unter Verwendung von Optimierungsalgorithmen und Techniken der künstlichen Intelligenz
Author:
Mafipour, Mohammad Saeed
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Engineering and Design
Institution:
Lehrstuhl für Computergestützte Modellierung und Simulation (Prof. Borrmann)
Advisor:
Borrmann, André (Prof. Dr.)
Referee:
Borrmann, André (Prof. Dr.); Zhu, Xiaoxiang (Prof. Dr. habil.)
Language:
en
Subject group:
BAU Bauingenieurwesen, Vermessungswesen
Keywords:
Digital Twin ; Semantic Segmentation ; Deep Learning ; Parametric Modeling ; Reverse Engineering ; Metaheuristic Optimization
Translated keywords:
Digitaler Zwilling ; Semantische Segmentierung ; Deep Learning ; Parametrische Modellierung ; Reverse Engineering ; Metaheuristische Optimierung
TUM classification:
BAU 005; ARC 045
Abstract:
This thesis automates the geometric digital twinning of existing bridges from their point clouds. It proposes automated semantic segmentation of bridge point clouds using a deep learning architecture. It also automates the parametric modeling process of bridges through reverse engineering and optimization techniques. Results of applying the proposed method to ten bridges show high accuracy in segmentation (OA = 96.97%, mIoU = 91.57%) and low error in model generation (MAE = 8.43 cm).
Translated abstract:
Diese Arbeit automatisiert das geometrische digitale Twinning von bestehenden Brücken anhand ihrer Punktwolken. Sie schlägt eine automatisierte semantische Segmentierung von Brückenpunktwolken unter Verwendung einer Deep-Learning-Architektur vor. Außerdem wird der parametrische Modellierungsprozess von Brücken durch Reverse Engineering und Optimierungstechniken automatisiert. Die Ergebnisse der Anwendung der vorgeschlagenen Methode auf zehn Brücken zeigen eine hohe Genauigkeit bei der Segmentier...     »
WWW:
https://mediatum.ub.tum.de/?id=1738035
Date of submission:
22.03.2024
Oral examination:
22.07.2024
File size:
70721000 bytes
Pages:
200
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240722-1738035-1-5
Last change:
13.09.2024
 BibTeX