Sie sind hier

Automatisierte Optimierung von Baugrubenabschlüssen

Beim Design von Baugrubensicherungen, legen wir als Planer eine Vielzahl von Design-Grössen so fest, dass Standsicherheit und Gebrauch­stauglichkeit jederzeit gewähr­leistet sind.

Darüber hinaus verfolgen wir das Ziel, für unseren Auftraggeber einen optimierten Baugrubenabschluss in Bezug auf Bauzeit und Baukosten zu planen.

Bei einer geschickten Wahl der konstruktiven Elemente und deren Anordnung lässt sich hier im Zuge der Ausführung viel Zeit und Geld sparen: Können beispielsweise die abzutragenden Lasten einer Ankerlage reduziert werden, sind ggf. weniger Anker notwendig - was sich natürlich in den Baukosten positiv niederschlägt. Kann die Anzahl der Anker einer Ankerlage reduziert werden, bedeutet das neben der Kostenersparnis zusätzliche eine Verkürzung der Bauzeit.

Hier nutzen wir mathe­mat­ische Optimierungsalgorithmen zur automatisierten Findung des Kostenoptimums, die an ein handelsübliches Stabstatikprogramm angebunden sind. Wir erstellen projektspezifisch eine Kostenfunktion, die die Kosten pro Laufmeter Baugrubenabschluss schätzt. In diesen Kosten sind neben anderen Faktoren die Material- und Herstellkosten für die einzelnen Kom­ponen­ten der Kon­struk­tion enthalten.

Lesen Sie mehr zum Thema hier.

Wir nutzen die automatisierte Optimierung von Baugrubenabschlüssen in unseren regulären Projekten und bieten diese zusätzlich als eigene Dienstleistung an. Basis für diese eigene Dienstleistung ist häufig ein (noch nicht optimierter) Systemschnitt durch einen Baugrubenabschluss.

Kontaktieren Sie uns einfach: laurent[punkt]pitteloud [ät] gruner[punkt]ch oder joerg[punkt]meier [ät] gruner[punkt]ch

 

 

 

Abbildung: Schematischer Systemschnitt mit den untersuchten Kombinationen durch den Optimierungsalgorithmus

Abbildung: Schematischer Systemschnitt mit den untersuchten Kombinationen durch den Optimierungsalgorithmus

Abbildung: Wir setzen eine Vielzahl von Optimierungsalgorithmen ein. Der Partikel-Schwarm Optimierer (PSO) ist einer von diesen: ein PSO auf einer Kostenfunktion F mit zwei Stellgrössen (X1 und X2)

Abbildung: Durchlauf eines Partikel-Schwarm-Optimierers (im Diagramm unten: Kosten über dem Optimierungsfortschritt)