Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Physics-Informed Modular Digital Twin for Real-Time Prediction in Mechanized Tunnelling

Projektbeschreibung

Neues System bietet einen zuverlässigen Ansatz für das Management von Tunnelbauprojekten

Die Vorhersage des Bodenverhaltens während der Tunnelbohrung ist für einen sicheren und effizienten Bau unter der Erdoberfläche unerlässlich. Die komplexen Wechselwirkungen zwischen Boden, Porendruck und Tunnelbaumaschinen entwickeln sich jedoch dynamisch, was eine Echtzeitvorhersage erschwert. Traditionelle numerische Simulationen sind zwar akkurat, aber rechenaufwändig, während herkömmliche Modelle des maschinellen Lernens oft Schwierigkeiten haben, unter sich ändernden Bedingungen zu generalisieren. Das über die Marie-Skłodowska-Curie-Maßnahmen unterstützte Projekt PIMEX wird ein modulares Echtzeit-Framework entwickeln, das physikbasierte Modelle mit fortschrittlicher künstlicher Intelligenz kombiniert. Durch die Integration physikalischer Gesetze mit maschinellem Lernen zielt PIMEX darauf ab, die Vorhersagegenauigkeit, die Entscheidungsfindung und die Sicherheit und Effizienz beim Bau unterirdischer Infrastrukturen zu verbessern.

Ziel

The growing demand for tunnel excavation is directly linked to urbanization, with over 75% of Europe’s population already living in cities and this figure projected to exceed 80% by 2050. As urban areas expand, the need to extend infrastructure underground becomes critical. Subsurface development, however, introduces significant geotechnical risks, where even minor delays or failures can result in severe economic and societal consequences. Real-time predictive modelling tools are essential to ensure safety and resilience.
Despite advances in modelling, predicting ground behaviour in real time remains a major challenge. Excavation involves coupled processes, soil displacement, pore pressure changes, and complex machine-ground interactions, that evolve dynamically. Traditional numerical methods are accurate but computationally intensive and lack real-time adaptability. Machine learning (ML) approaches are faster but often operate as opaque black boxes, requiring large datasets and offering limited generalizability.
To address this gap, this project proposes the Physics-Informed Modular Excavation (PIMEX) framework: a real-time, modular system that integrates physics-based models with advanced ML. By embedding physical laws and constraints within neural network architectures such as PINNs, ConvLSTMs, and GNNs, PIMEX will enable interpretable, predictive simulations of excavation processes under sparse and noisy data.
The framework will support real-time control, enhancing safety, efficiency, and decision-making in mechanized tunnelling. Validation will be performed through large-scale infrastructure datasets and international collaborations, ensuring the robustness and transferability of the approach. Ultimately, PIMEX aims to deliver a next-generation predictive system for underground excavation, bridging physics and data-driven methods to reduce risks, optimize operations, and contribute to safer, more cost-effective infrastructure delivery under evolving conditions.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2025-PF

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSITY OF DURHAM
Netto-EU-Beitrag
€ 260 347,92
Adresse
STOCKTON ROAD THE PALATINE CENTRE
DH1 3LE DURHAM
Vereinigtes Königreich
Region
North East (England) Tees Valley and Durham Durham CC
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Partner (2)