Forschung

Development of a real-time high temperature deformation evaluation of thermal machine components by using Machine Learning

Kurzdarstellung

Die Entwicklung und Etablierung von Technologien, welche die Maximierung der Reaktionsschnelligkeit von am aktuellen und künftigen Energie-Mix beteiligten Maschinen und Prozessen im Fokus haben, ist der Schlüssel für eine erfolgreiche Energiewende. Eine besondere Herausforderung hierbei ist, die Prozesse und den Einfluss der aktuellen Fahrweise möglichst in Echtzeit beurteilen zu können.

Eine Echtzeitbewertung, bspw. zur Lebensdauerbewertung, bedingt zwingend die Übersetzung von Messdaten zur Fahrweise in eine Beanspruchungsverteilung innerhalb der Komponente. Die Anwendung aktuell etablierter numerischer Methoden ist jedoch, insbesondere bei Vorliegen komplexer dreidimensionaler Geometrien, mit einem hohen Rechenzeitbedarf von teils mehreren Tagen bis hin zu Wochen verbunden. Eine Echtzeitbewertung und direkte Beurteilung der Betriebsweise und des Lebensdauerverbrauchs zur fundierten, reaktionsschnellen Beantwortung des akuten Netzbedarfs ist mit solchen Technologien ausgeschlossen. Potenziell Abhilfe wird hier der synergistische Einsatz fortschrittlicher Technologien des maschinellen Lernens schaffen. Mit Hilfe von „Machine Learning“ (ML) können prinzipiell Wirkzusammenhänge des Werkstoffverhaltens auf Basis geschickt konstruierter Modellarchitekturen physikalisch- und datenbasiert antrainiert und durch ein so geschaffenes Ersatzmodell in Echtzeit reproduziert werden. Ziel dieses Vorhabens ist es daher, die Methoden des Machine Learnings im Bereich von Turbomaschinen zur Vorhersage der Hochtemperaturwerkstoffantwort gezielt zu adaptieren und für die praktische Anwendung nutzbar zu machen. Auf Basis dessen werden Ersatzmodelle entwickelt und trainiert, die in der Lage sind, in Echtzeit wesentliche Berechnungsergebnisse zur Beurteilung der Fahrweise zu reproduzieren. Damit steht zum Ende des Vorhabens ein digitaler Zwilling zur Verfügung, der eine Abbildung der Kriechverformung als Modellträger beinhaltet und direkt in der Industrie eingesetzt werden kann.