Synthese von maschinellem Lernen und numerischer Simulation zur Echtzeitsteuerung von Tunnelvortriebsprozessen

Ziel des beantragten Projekts ist es, simulations- und monitoringbasierte Methoden für Echtzeitprognosen des Tunnelvortriebsprozesses mit Methoden des maschinellen Lernens zu verbinden. Die aus einem Simulationsmodell erhaltenen physikalischen Zusammenhänge und das Wissen, das durch die prozessbegleitende Datenanalyse aus Monitoring- und Messdaten erlangt wird, werden fusioniert, um die Prozesssteuerung im maschinellen Tunnelbau maßgeblich zu verbessern. Im Projekt werden effiziente für Prognosemodelle geeignete Verfahren zur Dimensionsreduktion und Repräsentationen für Zeitreihen entwickelt. Die Prog-nosen der zu erwartenden Setzungen und anderer Zielgrößen sollen in Echtzeit geliefert wer-den. Im Gegensatz zu den aggregierten Daten des Simulationsmodells arbeiten diese Modelle auf den Rohdaten, die im Vortriebsprozess gemessen werden. Die Unterschiede der Modelle, insbesondere auch die verwendeten Merkmale, die Gewichtung unterschiedlicher Sensorik, werden interdisziplinär evaluiert und die Modelle entsprechend verbessert, so dass sie dann zur Unterstützung der Vortriebssteuerung verwendet werden können. Die Anwendbarkeit dieser neuartigen Fusion von Monitoring- und Simulationsdaten wird anhand realer Tunnelbauprojekte getestet.

Antragsteller

Ruhr-Universität Bochum: Prof. Dr. techn. Günther Meschke, Lehrstuhl für Statik und Dynamik

Technische Universität Dortmund: Prof. Dr. Katharina Morik, Fachbereich Informatik

Förderlinie: Projektförderung
Fördermittel: 308.900,00 Euro

Ansprechpartner

Prof. Dr. techn. Günther Meschke
Ruhr-Universität Bochum
Lehrstuhl für Statik und Dynamik
Universitätsstraße 150
44801 Bochum

E-Mail: guenther (dot) meschke (at) rub (dot) de