Logo Leibniz Universität Hannover
Logo: Institut für Turbomaschinen und Fluid-Dynamik
Logo Leibniz Universität Hannover
Logo: Institut für Turbomaschinen und Fluid-Dynamik
  • Zielgruppen
  • Suche
 

Automatische Optimierung

Einsatzgebiete

  • Automatisierte Verbesserung von Strömungsmaschinen
  • Berücksichtigung von mehreren (auch gegenläufigen) Optimierungszielen
  • Untersuchung komplexer Zusammenhänge in der Maschinenauslegung

Optimierungsmethoden

  • CADO (Tom Verstraete, VKI Brussels) - Metamodell unterstützter differentiell evolutionärer Algorithmus
  • Cuckoo Search Algorithmus 
  • Genetische Algorithmen

Beschreibung

Der Auslegungsprozess von Strömungsmaschinen vereint viele, unterschiedliche Bereiche der Ingenieurswissenschaften, von der Strömungsmechanik, Wärmeübertragung, Werkstoffkunde bis zur Strukturmechanik. Technische Anforderungen aus den jeweiligen Fachbereichen stehen in komplexen Zusammenhang zueinander und sind zum Teil gegenläufig. Gleiches gilt für die Einflüsse auf die Betriebseigenschaften von Strömungsmaschinen.

Um Strömungsmaschinen, unter Berücksichtigung möglichst vieler Einflussgrößen, optimal auszulegen oder zu verbessern werden in den letzten Jahren verstärkt Optimierungsverfahren eingesetzt. Dabei werden die Erstellung (Parametrisierung) und Bewertung (Evaluation) eines Maschinenentwurfs automatisiert. Der Detaillierungsgrad der Evaluation kann entsprechend der Anforderungen gewählt werden. Der Maschinenentwurf kann mit einem vereinfachten Auslegungsmodell oder mit numerischen Simulationen evaluiert werden. Da numerische Strömungssimulationen sehr zeitaufwendig sind, werden Ersatzmodelle (engl. meta model, surrogate model) verwendet, um die Zahl der notwendigen Simulationen zu minimieren, ohne die Zahl der untersuchten Maschinenentwürfe unzulässig zu begrenzen.  Ersatzmodelle interpolieren das Betriebsverhalten von zuvor untersuchten Maschinenentwürfen, um im Optimierungsvorgang eine Vorauswahl zu treffen und unsinnige Entwürfe auszuschließen. Diese Datenbank wird während des Optimierungsvorgangs mit den aktuellen Ergebnissen erweitert und so das Ersatzmodell immer weiter verbessert.

Die automatische Bewertung des Maschinenentwurfs geschieht anhand zuvor festgelegter Optimierungskriterien (z.B. Wirkungsgrad, Pumpgrenzabstand, maximale mechanische Spannungen). Abhängig vom gewählten Optimierungsalgorithmus werden anhand bisheriger Ergebnisse neue vielversprechende Maschinenentwürfe erstellt. Die Freiheitsgrade in der Variation der Maschinenentwürfe werden durch die Parametrisierung festgelegt.

Als Ergebnis der Optimierung mit mehreren  Optimierungskriterien, wird ein Pareto-Optimum (engl. pareto front) gebildet. Das Pareto-Optimum ist eine Menge von Maschinenentwürfen die jeweils einen optimalen Kompromiss zwischen den Optimierungskriterien darstellen. Entsprechend der Gewichtung der Optimierungskriterien kann ein optimaler Maschinenentwurf ausgewählt werden.

Ansprechpartner  

Sönke Teichel, M.Sc.