Experimentellt dataset för laster på tunnelinklädnader med utbredd fiberoptisk monitorering och digital bildkorrelation

SND-ID: 2023-234. Version: 1. DOI: https://doi.org/10.5878/dvcn-bg03

Citering

Skapare/primärforskare

August Jansson - Chalmers tekniska högskola, Arkitektur och Samhällbyggnadteknik orcid

Forskningshuvudman

Chalmers tekniska högskola - Arkitektur och samhällbyggnadteknik rorId

Beskrivning

Datan har insamlats under laboratorieexperiment som syftar till att återskapa lokala lastförhållanden i sprutinklädda tunnlar. Inkluderat i datasettet töjningsmätningar från utrbredd fiberoptisk monitorering, bildserier för två kameror som tog kontinuerliga bilder av provkropparnas yta för användning av DIC och last-,förskjutning- och tryckmätningar från lastceller, LVDTer och tryckceller. Utöver mätdatan är kompletterande 3D-skanningar tagna innan och efter varje försök, samt materialtester inkluderade. Utförda materialtester är tryckprovning av kuber, "wedge-splitting tests" och dragförsök för borrade kärnor. Mer detaljerad beskrivning av de utförda experimenten återfinns i data-artikeln:

Data innefattar personuppgifter

Nej

Språk

Metod och utfall

Dataformat / datastruktur

Datainsamling
  • Insamlingsmetod: Laboratorieexperiment
  • Beskrivning av insamlingsmetod: Utbredd fiberoptisk mätning, fotografering, 3D-scanning, lastcell-, förskjutning- och tryckmätning
  • Datainsamlare: Chalmers tekniska högskola
  • Prov: CS50G
    Provkropp belastad med liten kon, 50 mm tjockt betonglager och slipad undre betongyta
  • Prov: CS50H
    Provkropp belastad med liten kon, 50 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: CS100H
    Provkropp belastad med liten kon, 100 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: CS100G
    Provkropp belastad med liten kon, 100 mm tjockt betonglager och slipad undre betongyta
  • Prov: CL50G
    Provkropp belastad med stor kon, 50 mm tjockt betonglager och slipad undre betongyta
  • Prov: CL50H
    Specimen loaded with a large cone, 100 mm thick concrete top layer and a hydro-demolished substrate surface
  • Prov: CL100G
    Provkropp belastad med stor kon, 100 mm tjockt betonglager och slipad undre betongyta
  • Prov: CL100H
    Provkropp belastad med stor kon, 100 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: BL50G
    Provkropp belastad med stor lyftkudde, 50 mm tjockt betonglager och slipad undre betongyta
  • Prov: BL50H
    Provkropp belastad med stor lyftkudde, 50 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: BL100G
    Provkropp belastad med stor lyftkudde, 100 mm tjockt betonglager och slipad undre betongyta
  • Prov: BL100H
    Provkropp belastad med stor lyftkudde, 100 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: BS50G
    Provkropp belastad med liten lyftkudde, 50 mm tjockt betonglager och slipad undre betongyta
  • Prov: BS50H
    Provkropp belastad med liten lyftkudde, 50 mm tjockt betonglager och vattenbilad undre betongyta
  • Prov: BS100G
    Provkropp belastad med liten lyftkudde, 100 mm tjockt betonglager och slipad undre betongyta
  • Prov: BS100H
    Provkropp belastad med liten lyftkudde, 100 mm tjockt betonglager och vattenbilad undre betongyta
  • Datakälla: Forskningsdata, Fysiska föremål
Geografisk täckning
Administrativ information

Ansvarig institution/enhet

Arkitektur och samhällbyggnadteknik

Medverkande

Ignasi Fernandez - Chalmers tekniska högskola, Arkitektur och samhällsbyggnadsteknik orcid

Carlos Gil Berrocal - Chalmers tekniska högskola, Arkitektur och samhällsbyggnadsteknik orcid

Rasmus Rempling - Chalmers tekniska högskola, Arkitektur och samhällsbyggnadsteknik orcid

Finansiering

  • Finansiär: Trafikverket rorId
  • Diarienummer hos finansiär: TRV2021/66599
  • Projektnamn på ansökan: SensIT - Verifiering och prognostisering av tekniska funktionskrav på tunnelinfattning av betong - sensorbaserad prognosmetod med artificiell intelligens
  • Information om finansiering:
    Projektets syfte är att bidra till framtagandet av metoder för informationsinhämtning via sensorer som kan användas för att prognostisera och verifiera tekniska funktionskrav med hjälp av Artificiell intelligens.
    Utgångspunkten och bakgrund är tunnelinfattningar av fiberarmerad sprutbetong. Konstruktionen utgörs av ett komplext material och det saknas ofta detaljerad information om kringliggande berg. Materialet och berget är i samverkan det bärande systemet som sammantaget ger en osäkerhet om dess funktion.
Ämnesområde och nyckelord

Forskningsområde

Infrastrukturteknik (Standard för svensk indelning av forskningsämnen 2011)

Publikationer

Jansson, A., Fernandez, I., Berrocal, C.G., & Rempling, R. (2024). Experimental dataset for loads on hard rock shotcrete tunnel linings in a laboratory environment. Data in Brief, Volume 57, December 2024. https://doi.org/10.1016/j.dib.2024.110920
DOI: https://doi.org/10.1016/j.dib.2024.110920

Om du publicerat något baserat på det här datamaterialet, meddela gärna SND en referens till din(a) publikation(er). Är du ansvarig för katalogposten kan du själv uppdatera metadata/databeskrivningen via DORIS.

Publicerad: 2024-10-18
Senast uppdaterad: 2024-10-18