Monitoraggio strutturale dei ponti: quando i dati individuano anomalie invisibili

L’articolo analizza il progetto di ricerca coordinato dall’Università di Pittsburgh dedicato al monitoraggio strutturale continuo di ponti mediante sistemi SHM (Structural Health Monitoring). Il focus riguarda il caso dello Smithfield Street Bridge, ponte storico reticolare monitorato attraverso sensori wireless, estensimetri e modellazione FEM avanzata sviluppata in ambiente ANSYS. Il testo approfondisce l’integrazione tra dati sperimentali, prove di carico e simulazioni numeriche per individuare anomalie locali, criticità nei dispositivi di appoggio e comportamenti strutturali non visibili attraverso le sole ispezioni tradizionali. Particolare attenzione viene dedicata al ruolo diagnostico del monitoraggio continuo e alla possibilità di sviluppare strategie di manutenzione realmente condition-based. Il caso studio mostra come sensoristica, analisi dati e modellazione numerica possano supportare la gestione sostenibile delle infrastrutture esistenti e l’estensione della loro vita utile. INGENIO propone una lettura tecnica rivolta a ingegneri strutturisti, gestori infrastrutturali, specialisti SHM e progettisti di ponti.

SHM, sensori wireless e FEM: come cambia la diagnostica dei ponti esistenti

Il monitoraggio strutturale dei ponti sta assumendo un ruolo sempre più centrale nella gestione delle infrastrutture esistenti, soprattutto in contesti dove l’invecchiamento delle opere, l’aumento dei carichi di traffico e la necessità di ottimizzare le risorse economiche impongono approcci manutentivi basati sui dati. In questo scenario si inserisce il progetto di ricerca coordinato dal professor Piervincenzo Rizzo dell’Università di Pittsburgh, sviluppato nell’ambito di un programma finanziato dal Dipartimento dei Trasporti della Pennsylvania, finalizzato all’analisi sperimentale e numerica di dieci ponti monitorati mediante sistemi di Structural Health Monitoring (SHM).

Tra i diversi casi studio affrontati, uno dei più interessanti dal punto di vista tecnico e scientifico riguarda lo Smithfield Street Bridge di Pittsburgh, un ponte storico a struttura reticolare ellittica costruito nel 1881, considerato un unicum negli Stati Uniti sia per configurazione geometrica sia per valore architettonico.

Dal monitoraggio alla diagnostica strutturale: quando i dati diventano conoscenza

Negli ultimi anni il monitoraggio strutturale è passato da semplice strumento di acquisizione dati a vero e proprio sistema di supporto decisionale per la gestione delle infrastrutture. Il caso studio presentato da Rizzo evidenzia in modo molto chiaro questa evoluzione metodologica. Il progetto non prevedeva infatti la sola raccolta delle misure provenienti dai sensori, ma soprattutto la loro interpretazione attraverso modelli numerici avanzati capaci di restituire un quadro coerente del comportamento reale della struttura.

Il ponte era già stato precedentemente strumentato con 18 estensimetri wireless installati sugli elementi diagonali e sui correnti principali della struttura reticolare. L’attività del gruppo di ricerca si è concentrata sull’analisi storica delle deformazioni registrate e sulla costruzione di un modello tridimensionale agli elementi finiti sviluppato in ambiente ANSYS, con l’obiettivo di correlare il comportamento teorico con i dati sperimentali provenienti dal sistema SHM.

L’aspetto particolarmente interessante per il professionista tecnico è che il processo di validazione non si è limitato alla verifica globale della risposta strutturale, ma ha consentito di individuare specifiche anomalie locali e differenze costruttive non immediatamente evidenti dalla semplice osservazione geometrica del ponte. Durante le simulazioni numeriche, infatti, è emerso che le tre strutture reticolari principali non risultavano perfettamente simmetriche né identiche dal punto di vista meccanico, soprattutto per quanto riguarda le sezioni dei correnti superiori e inferiori. Una condizione che influenzava direttamente la risposta deformativa attesa sotto carico.

La calibrazione del modello FEM attraverso il load testing

Uno dei passaggi più delicati nei processi di modellazione numerica delle infrastrutture esistenti riguarda la calibrazione del modello agli elementi finiti. In questo progetto la validazione è stata ottenuta mediante la simulazione di differenti configurazioni di carico derivanti dai cosiddetti legal trucks, ossia veicoli pesanti standardizzati secondo la normativa statunitense, oltre che mediante la replica numerica di prove di carico effettuate in precedenza sul ponte.

Attraverso l’analisi delle deformazioni misurate dagli estensimetri e il confronto con i risultati numerici, il gruppo di ricerca ha verificato una notevole vicinanza tra le deformazioni sperimentali e quelle ottenute dal modello FEM. Questo risultato ha permesso di considerare il modello sufficientemente affidabile per successive simulazioni più avanzate, comprese analisi relative alla presenza di difetti strutturali e scenari di degrado non direttamente osservabili.

Per chi opera nella progettazione e nella manutenzione delle opere esistenti, questo approccio rappresenta un riferimento metodologico di grande interesse. La possibilità di integrare monitoraggio continuo, prove di carico e modellazione numerica consente infatti di superare le limitazioni delle tradizionali ispezioni visive, spesso insufficienti a descrivere il comportamento reale di strutture complesse o storicizzate.

Il tema assume particolare rilevanza anche alla luce dei recenti episodi di collasso infrastrutturale richiamati dallo stesso Rizzo nella sua relazione, tra cui il crollo del ponte Fern Hollow Bridge avvenuto a Pittsburgh nel gennaio 2022. Un evento che ha riportato al centro del dibattito internazionale la necessità di strategie manutentive predittive basate su dati oggettivi e monitoraggio continuo.

Temperatura, vincoli e comportamento anomalo: il valore diagnostico del monitoraggio continuo

Uno degli aspetti più significativi emersi dallo studio riguarda l’analisi della correlazione tra deformazioni e temperatura ambientale. Attraverso regressioni lineari applicate ai dati storici acquisiti dagli estensimetri wireless, il gruppo di ricerca ha individuato comportamenti anomali in alcuni elementi diagonali collocati in prossimità del portale sud del ponte.

In condizioni normali, infatti, le variazioni termiche inducono espansioni e contrazioni coerenti all’interno della struttura. Nel caso dello Smithfield Street Bridge, invece, alcuni elementi mostravano gradienti deformativi incompatibili con il comportamento atteso. L’interpretazione di questi dati ha portato all’ipotesi di criticità localizzate nei dispositivi di appoggio, successivamente segnalate al proprietario dell’infrastruttura per ulteriori verifiche ispettive.

È proprio questo il punto di maggiore interesse per il settore tecnico: il monitoraggio strutturale non si limita più a “misurare”, ma diventa uno strumento diagnostico capace di individuare fenomeni nascosti, anomalie di vincolo e alterazioni del comportamento meccanico prima che queste si traducano in danni evidenti o condizioni di rischio.

Nel contesto europeo e italiano, caratterizzato da un patrimonio infrastrutturale spesso datato e da risorse economiche limitate per nuove costruzioni, approcci di questo tipo potrebbero rappresentare una delle chiavi principali per estendere la vita utile delle opere esistenti attraverso strategie di manutenzione realmente condition-based.

Il caso dello Smithfield Street Bridge dimostra inoltre come le tecnologie SHM possano essere applicate efficacemente anche a infrastrutture storiche e geometrie strutturali non convenzionali, aprendo prospettive interessanti per la conservazione del patrimonio ingegneristico esistente. La combinazione tra sensoristica wireless, analisi dati e modellazione FEM avanzata si conferma quindi uno degli strumenti più promettenti per la gestione sostenibile delle infrastrutture del futuro.

DI SEGUITO L'INTERVENTO INTEGRALE DI PIER VINCENZO RIZZO.

Il testo è stato elaborato mediante la videoregistrazione dell'intervento, con l'aiuto di strumenti di IA (ChatGpT).