Das Vorhaben VITVI wird notwendige Forschungs- und Entwicklungsarbeit für aktuelle und zukünftige Triebwerksprojekte leisten und Antworten liefern. Im Fokus stehen dabei KI-Verfahren und deren Nutzung im Kontext der virtuellen, nachhaltigen Triebwerksentwicklung. Als Ziel sollen im Verbund KI-Kompetenzen aufgebaut und verstärkt sowie KI-Spezialistinnen und
-Spezialisten ausgebildet werden. Die Projektlaufzeit beträgt drei Jahre mit Start im Juli 2024.
VITVI ist bereits das sechste Projekt erfolgreicher Forschungs- und Entwicklungsarbeit auf dem Gebiet der virtuellen Triebwerksentwicklung (VIT). Die VIT-Historie begann 2003:
Das Verbundvorhaben VITVI wird durch das Programm zur Förderung von Forschung, Innovationen und Technologien des Landes Brandenburg (ProFIT Brandenburg) über das Ministerium für Wirtschaft, Arbeit und Energie des Landes Brandenburg (MWAE) gefördert und durch die Investitionsbank des Landes Brandenburg (ILB) unterstützt. Als Mittelherkunft dient der europäische Fond für regionale Entwicklung (EFRE) und das Land Brandenburg. Das Fördervolumen beträgt 1,5 Mio Euro.
Zur Lösung der Fragestellungen ist akademische und industrielle Expertise erforderlich. Daher wird VITVI als ein Verbundprojekt durchgeführt, mit den akademischen Forschungspartnern:
und den Industrieforschungspartnern:
In Summe werden von den Partnern 24 Arbeitspakete bearbeitet. An vier dieser Teilprojekte ist der Fachbereich Technik der Technischen Hochschule Brandenburg maßgeblich beteiligt:
Durch die Erfordernisse und Erfahrungen während der COVID-19-Pandemie werden Projekttreffen deutlich häufiger in Absenz durchgeführt. Um den Mehrwert einer VR-basierten Diskussion zu erhalten, kommt der Nutzung von VR-Brillen eine gestiegene Aufmerksamkeit zu. Im Vergleich zu einem CAVE-basierten VR-Erlebnis existieren weitere Herausforderungen durch Grenzen in der Datenübertragung, unvermeidbare Latenzzeiten oder Synchronisationsaspekte zwischen den Nutzern. Auch kann nicht davon ausgegangen werden, dass jeder Teil-nehmer die gleiche, leistungsstarke Hardware besitzt – insbesondere dann, wenn Nutzer in einer CAVE mit VR-Brillen Nutzern gemeinsam interagieren. Diese Herausforderungen machen im Besonderen die Anwendung von Datenverdichtungen notwendig. Das Potenzial anderer, klassischer Datenkompressionstechniken wie die Karhunen-Loève-Transformation bzw. Hauptkomponentenanalyse oder die Dynamische Modalzerlegung, auf Simulationsdaten eines Triebwerkes im Kontext von kollaborativer VR müssen und sollen deshalb untersucht werden. Im Rahmen dieses Arbeitspaketes sollen vorrangig die klassischen Verfahren im Fokus der Untersuchungen stehen Durch den gemeinsamen Schwerpunkt auf Datenkompression von Simulationsdaten soll im Ergebnis auch ein detaillierter und umfassender Vergleich der unterschiedlichen Herangehensweisen entstehen. Mit diesem soll auch die Entscheidungsfindung zwischen klassischen oder KI-basierten Verfahren erleichtert werden. Denn klassische Verfahren sollten so oft wie möglich angewendet werden und KI-Verfahren erst dann, wenn nötig.
Kontakt: Benjamin Dietrich
Die aktuellen Entwicklungen im Bereich der KI zeigen, dass moderne KI-Verfahren erfolgreich auf Entwurfsprobleme der Triebwerkstechnik zur Systememulation angewendet werden können. Gleichwohl sind die erstellten Modelle in den meisten Fällen vom Typ sog. black box Modelle, d. h. rein statistischer Art, ohne analyti-sche oder physikalische Basis. Das Prinzip von Ursache und Wirkung ist bei der Informations-abstraktion von KI-Modellen nicht direkt gegeben und begründet sich in der komplexen Abstraktionsweise in allen etablierten KI-Modellgruppen (un/supervised, reinforced). Dies ist ein starkes Hemmnis für den Einsatz von KI-basierten Methoden im Entwurfsprozess, da Ergebnisse nicht eingeordnet werden können, insbesondere sind keine Erkenntnisse im Modellierungsprozess möglich. Somit kann KI für Innovation und Neuentwicklungen im besten Fall als reines alternatives statistisches Tool fungieren. Entsprechend ist die Erforschung von Erklär-barer KI (XKI) im Ingenieursbereich von großer Bedeutung, da sie das Potential von KI und den Einsatz von KI-basierten Methoden in der Praxis voranbringen kann.
Kontakt: Klaus Markgraf
Während des Betriebes unter Vereisungsbedingungen können Wassertropfen aufgrund ihrer Größe, der Drehgeschwindigkeit des Fans und der Fluggeschwindigkeit auf den Fanschaufeln gefrieren. Das Eis akkumuliert zu einer Eisschicht auf der Fanschaufel, welche die Grenzschicht der Strömung negativ beeinflusst und bis zu einem Strömungsabriss führen kann. Wenn die Eisschicht eine kritische Dicke erreicht und die Bindung zum Schaufelmaterial geschwächt ist, können sich Teile der Eisschicht von den Fanschaufeln ablösen und in den Kernbereich des Triebwerks gelangen. Man spricht dann vom sogenannten Eisabwurf (engl. ice shedding). Dies kann zu einer Verringerung der Triebwerksleistung führen oder im schlimmsten Fall zu Schäden an den Schaufeln durch Aufprall auf Komponenten im Hochdruckkompressor.
Kontakt: Katja Müller
AutoBlisk ist ein Ecosystem für einen ganzheitlichen Fan-Blisk-Entwurf und aktuell einer der sehr wenigen multidisziplinären Simulationsprozesse. Alle integrierten Entwurfsaspekte werden dabei mit Werkzeugen der detaillierten Entwurfsphase bewertet. Dies führt im Ergebnis auf sehr hohe Rechenzeiten von bis zu zwei Stunden für eine Entwurfsevaluation und es sind nur einfache explorative Studien oder einfache Optimierungen mit einer reduzierten Anzahl an Disziplinen und einer limitierten Entwurfsflexibilität möglich. Aus industrieller und akademischer Sicht müssen bzw. sollen komplexere und umfangreichere Fan-Blisk-Explorationen und -exploitationen ermöglicht werden, um einerseits das volle Potenzial von Fan-Blisk Rotoren zu nutzen und, um andererseits die Beantwortung von Fragestellungen der Robustheit und Zuverlässigkeit im Betrieb zu ermöglichen.
Kontakt: Hamun Bertram
