Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

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

Description du projet

Une approche fiable pour la gestion des projets de tunnelage

La prédiction du comportement du sol lors du creusement d’un tunnel est essentielle pour une construction souterraine sûre et performante. Cependant, les interactions complexes entre le sol, la pression interstitielle et les engins de creusement de tunnels évoluent de manière dynamique, ce qui complexifie la prédiction en temps réel. Les simulations numériques traditionnelles sont précises mais coûteuses en calcul, tandis que les modèles d’apprentissage automatique classiques peinent souvent à généraliser dans des conditions changeantes. Soutenu par le programme Actions Marie Skłodowska-Curie, le projet PIMEX va développer un cadre modulaire en temps réel combinant des modèles basés sur la physique avec une intelligence artificielle avancée. En intégrant les lois physiques à l’apprentissage automatique, PIMEX entend améliorer la précision des prédictions, faciliter la prise de décision et renforcer la sécurité et l’efficacité du développement des infrastructures souterraines.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2025-PF

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITY OF DURHAM
Contribution nette de l'UE
€ 260 347,92
Adresse
STOCKTON ROAD THE PALATINE CENTRE
DH1 3LE DURHAM
Royaume-Uni
Région
North East (England) Tees Valley and Durham Durham CC
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Partenaires (2)