TY - THES A1 - Spieß, Benjamin T1 - The artificial engineer : a smart holistic framework for the automated transfer of geometry to analysis models T1 - Der künstliche Ingenieur : ein intelligentes ganzheitliches Framework für die automatisierte Überführung von Geometrie- zu Analysemodellen N2 - The creation of adequate simulation models for complex assemblies is an extensive process that requires a lot of experience, and on the other hand involves a multitude of manual, tedious tasks. These are significant obstacles for improving the process performance and capabilities. The objective of this research is to develop methods which digitally imitate the way of thoughts of the engineer in the design process towards a digital system understanding and which support the automation of the involved manual workflow. This thesis presents a strategy to translate engineering reasoning and actions to an equivalent in the computer domain. A cardinal step is to gain understanding of system arrangements, boundary conditions and its components. Based on this evaluation, the identification of assembly parts is forming the foundation for optimized process chains for the transfer to the analysis environment. Model complexity relates to computational effort, which in turn affects model capabilities and manageability. To achieve a satisfactory compromise of model quality and complexity, this transfer process is strongly dependent on the visual analysis, reasoning and manual implementation of skilled engineers. The principle of translating engineering logics is pursued from the assembly system to its smallest parts. Component segmentation methods allow subdividing regions of interest into substructures which are assigned with a feature vector. This vector comprises metrics describing the substructures with regard to specific aspects and is the key decision point for subsequent steps as idealization, suitable Finite-Element modeling and ultimately building an analysis model. The created system database is continuously maintained and supports these process chains as well as the final setup of the assembly simulation model. An automated workflow like this implies advantages for efficiency, but also creates opportunities for further use cases. This workflow has been exploited for generating a training data set from the different simulation variants as a basis to a knowledge representation imitating engineering experience. An algorithm from the graph neural network field is applied to this data set as a conceptual approach. The intention pursued in this concept is to model the learning progress about estimating the influence of modelling decisions on simulation results and quality. This research proposes a holistic strategy and describes methods to achieve the objectives of decreasing manual effort, introducing an automated and geometry-based process and digitally replicating engineering experience by introducing a knowledge database. N2 - Die Erstellung geeigneter Simulationsmodelle für komplexe Baugruppen ist ein umfangreicher Prozess, der einerseits viel Erfahrung erfordert und andererseits eine Vielzahl manueller Aufgaben beinhaltet. Dies sind Hindernisse für die Verbesserung der Prozesseffizienz und Erweiterung der technischen Möglichkeiten. Ziel dieser Arbeit ist es, Methoden zu entwickeln, die die Vorgehensweise des Ingenieurs im Entwicklungsprozess in Richtung eines virtuellen Systemverständnisses digital imitieren und die Automatisierung der damit verbundenen manuellen Arbeitsabläufe unterstützen. In dieser Arbeit wird eine Strategie vorgestellt, mit der ingenieurwissenschaftliche Gedankengänge in ein Äquivalent in der digitalen Domäne übersetzt werden können. Ein zentraler Aspekt ist dabei das Verständnis der Systemkonfiguration, der Randbedingungen und der Komponenten. Darauf aufbauend bildet die Identifikation von Bauteilen die Grundlage für optimierte Prozessketten zur Übertragung in die Analyseumgebung. Die Modellkomplexität steht im Zusammenhang mit dem Rechenaufwand, der sich wiederum auf die Modellleistungsfähigkeit und die Handhabbarkeit auswirkt. Um einen zufriedenstellenden Kompromiss zwischen Modellqualität und -komplexität zu erreichen, ist dieser Transferprozess stark von der visuellen Analyse, den Schlussfolgerungen und der manuellen Umsetzung durch erfahrene Ingenieure abhängig. Das Konzept der Übersetzung ingenieurtechnischer Logiken wird vom Gesamtsystem in seine einzelnen Teile verfolgt. Segmentierungsverfahren ermöglichen die Unterteilung von relevanten Regionen in Teilstrukturen, die mit einem Feature-Vektor versehen werden. Dieser Vektor umfasst Metriken, die die Strukturen unter bestimmten Aspekten beschreiben und ist das zentrale Entscheidungskriterium für nachfolgende Schritte wie Idealisierung, adäquater Finite-Elemente-Modellierung und Aufbau eines Analysemodells. Die Systemdatenbank wird kontinuierlich verwaltet und erweitert und unterstützt die Prozessabläufe ebenso wie den finalen Aufbau des Gesamtmodells. Ein automatisierter Arbeitsablauf wie dieser bringt Vorteile für die Effizienz mit sich, schafft aber auch Raum für zusätzliche Anwendungsfälle. Dieser Workflow wurde genutzt, um aus verschiedenen Modellvarianten einen Trainingsdatensatz zu generieren, der als Grundlage für eine digitale Wissensrepräsentation dient, die die Ingenieurserfahrung nachbildet. Als Konzept wird auf diesen Datensatz ein Algorithmus aus dem Bereich der neuronalen Netze angewendet. Die damit verfolgte Intention ist es, den Lernfortschritt über die Abschätzung des Einflusses von Modellierungsentscheidungen auf Simulationsergebnisse zu simulieren. Diese Forschungsarbeit zeigt eine ganzheitliche Strategie auf und beschreibt Methoden, um die Ziele der Verringerung des manuellen Aufwands, der Einführung eines automatisierten und geometriebasierten Prozesses und der digitalen Replikation von Ingenieurserfahrung durch die Einführung einer Wissensdatenbank zu erreichen. KW - Engineering KW - Automation KW - Artificial intelligence KW - Design KW - Machine learning KW - Automatisierung KW - Simulation KW - Künstliche Intelligenz KW - CAD KW - FEM KW - Automatisierung KW - CAD KW - Finite-Elemente-Methode KW - Künstliche Intelligenz KW - Simulation Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-65308 ER - TY - THES A1 - Konstantinidis, Aris T1 - Konzeptfindung und strukturmechanische Optimierung von Anbindungsstrukturen für Planetengetriebe in Flugtriebwerken T1 - Concept development and structural optimization for mounting structures of planetary gear boxes in aero engines N2 - Kernziel der Arbeit ist es, einen Beitrag zur Konzeptfindung und zur strukturmechanischen Optimierung von Anbindungsstrukturen für Planetengetriebe in Flugtriebwerken zu leisten. Hierzu wurde ein auf CAD-Geometrien basierender Optimierungsprozess geschaffen und auf verschiedene Problemstellungen angewendet. Die Arbeit gliedert sich in sechs Kapitel, in denen ein Verständnis für die Notwendigkeit und die Problemstellung vermittelt werden soll. Die Einleitung beschreibt Entwicklungstendenzen für Triebwerke in der zivilen Luftfahrt und die Gründe für den Einsatz von Planetengetrieben. Da die hier entwickelten Methoden die Konzeptfindung und somit die Produktentwicklung unterstützen sollen, wird skizziert, an welcher Stelle des Produktentwicklungsprozesses die Methoden am besten einzusetzen sind. Das zweite und dritte Kapitel sind der Strukturoptimierung gewidmet. Zunächst werden die Grundlagen Optimierung und wichtige Ansätze erläutert. Anschließend werden die üblichen Verfahren zur Strukturoptimierung mithilfe von finiten Elemente-Netzen vorgestellt. Folgend werden zwei Sonderfälle betrachtet, die Optimierung von flexiblen Bauteilen und von mehreren Bauteilen im Verbund. Beides stellt eine besondere Herausforderung dar und wird in den späteren Fallstudien aufgegriffen. Im dritten Kapitel wird der alternative, auf CAD-Geometrien basierende Ansatz zur Strukturoptimierung vorgestellt. Abschließend werden die Methoden anhand von akademischen Beispielen validiert. Das vierte Kapitel befasst sich mit Antwortflächenverfahren. Sie sind ein gängiges Mittel, um Optimierungsprozesse zu beschleunigen. Hierzu werden zunächst die wichtigsten Grundlagen zur nötigen Versuchsplanung erläutert und die drei gängigsten Ansätze diskutiert. Auf der Grundlage eines Vergleichs dieser Verfahren wird ein geeigneter Ansatz ausgewählt. Im fünften Kapitel werden fünf Fallstudien aufgeführt. Jede davon greift eine praxisnahe Problemstellung auf und demonstriert die Herangehensweise und die Möglichkeiten und Grenzen eines auf CAD-Geometrien basierten Ansatzes zur Strukturoptimierung. Das erste, zweite und fünfte Fallbeispiel beziehen sich auf die im zweiten Kapitel genannten Sonderfälle. Im dritten Fallbeispiel wird eine Optimierung der Systemeigenfrequenz durchgeführt, die es nötig macht, eine Brücke von der Einzelkomponente zu einem aus reduzierten Matrizen bestehenden Systemmodell zu schlagen. Im vierten Fallbeispiel werden die im vierten Kapitel beschriebenen Antwortflächenverfahren eingesetzt, um die reduzierte Matrix einer Einzelkomponente für ein Systemmodell auf der Basis der Geometrieparameter vorherzusagen. Abschließend fasst das sechste Kapitel die Ergebnisse zusammen. Die gezeigten Ansätze sind sehr gut geeignet, um flexible Strukturen zu finden. Die Systemoptimierung und Prozessbeschleunigung konnten erfolgreich durchgeführt werden und haben zu signifikanten Verbesserungen geführt. Abschließend wird das Vorgehen im Vergleich zu anderen Lösungsmöglichkeiten bewertet. N2 - The main target of the thesis is to contribute to concept development strategies and structural optimization of mounting structures of planetary gear boxes in aero engines. For this, an optimization process has been created and applied on several different problem constellations, which uses CAD-geometries. The thesis is structured in six chapters. Within these the need for an optimization and the problems connected therewith are discussed. The introduction showcases the major development tendencies for aero engines in civil applications and the reasoning behind the use of planetary gear boxes. Since the evolved methods support concept and therefore also product development, it is explained in which part of the development process they can be used best. The second and third chapter focus on structural optimization. They explain the fundamentals of mathematical optimization and the most common approaches. Afterwards the most common approaches of structural optimization, using finite element meshes, are explained. The end of the second chapter addresses two special cases, considering flexible structures and multiple adjacent components, which are particularly challenging and addressed in the case studies later. In the third chapter an alternative approach for structural optimization is shown, which is based on CAD-geometries. Finally, the methods are validated using academic examples. The fourth chapter deals with response surface techniques. They are a common instrument to accelerate optimization processes. Initially the fundamentals of design experiments are explained, and three established response surface techniques are shown and discussed. Based on a performed benchmarking comparison the most promising technique for task has been chosen, which in this case are radial basis functions. The fifth chapter consists of five case studies. Each of them addresses a practical engineering problem and demonstrates the approach, possibilities and limitations of a CAD-geometry based structural optimization strategy. The first, second and fifth case study follow up on the special problem cases mentioned. In the third case study a system eigenfrequency optimization is performed, which requires creating a bridge from the individual component towards a system model consisting of reduced matrices. The fourth case study applies the response surface techniques to predict the reduced matrices of single components based on geometry parameters. The reduced matrices are then used for a larger system model. Finally, the sixth chapter summarizes the results. The developed approaches are well suited for finding flexible structures. The system optimization and process acceleration has been performed successfully and lead to significant improvements. However, the shown approach has been assessed and compared to alternative solutions. KW - Strukturoptimierung KW - Geometriebasierte Optimierung KW - Konzeptfindung KW - Planetengetriebe KW - Flugtriebwerke KW - Structural optimization KW - Geometry-based optimization KW - Concept development KW - Planetary gear box KW - Aero engines KW - Flugtriebwerk KW - Planetengetriebe KW - Strukturoptimierung Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-60141 ER - TY - THES A1 - Ivanov, Dmitrij T1 - Beschleunigung der Verdichterkennfeldberechnung mithilfe von Methoden des maschinellen Lernens T1 - Acceleration of compressor map computation by utilizing machine learning techniques N2 - In der heutigen Triebwerksentwicklung ist die Verwendung komplexer und zeitaufwändiger numerischer Strömungssimulationsverfahren (3D-CFD) unerlässlich. Dies gilt auch und insbesondere für den Bereich der Verdichterkennfeldberechnung, welcher viele zeitintensive 3D-CFD Berechnungen benötigt. Dabei sind zur qualitativen Beurteilung eines Verdichterentwurfs sowohl Betriebspunkte wie, Reiseflug, Start und Landung, hinreichend genau abzubilden, als auch die kritischen, den Verdichterarbeitsbereich limitierenden Betriebsgrenzen Pumpen und Sperren zu detektieren. Bisherige Arbeiten zur automatisierten Verdichterkennfeldberechnung basieren auf strukturierten Berechnungen von verschiedenen Drehzahllinien, auf welchen jeweils isoliert Pump- und Sperrgrenze gesucht werden. Durch die Beschränkung auf einzelne Drehzahlen wird jedoch nicht der gesamte Charakter des Kennfeldes erfasst, so dass unbekannte Betriebsbereiche aus linearer Interpolation abgeleitet werden müssen. Ein zusätzlicher Nachteil solcher auf einzelne Drehzahllinien fixierten Methoden ist ihre geringe Parallelisierbarkeit. Der Fokus dieser Arbeit liegt daher auf der Entwicklung eines effizienten Verfahrens zur Erfassung des gesamten Verdichterkennfeldes. Die zwei wesentlichen Anforderungen an das Verfahren sind erstens die Reduktion der Anzahl der notwendigen CFD-Berechnungen zur hinreichend genauen Beschreibung des Verdichterkennfeldes sowie zweitens die Beschleunigung jeder einzelnen 3D-CFD-Berechnung. Zu diesem Zweck wird zur Kennfeldberechnung eine Strategie vorgeschlagen, welche sich von der üblichen strukturierten Berechnung einzelner Drehzahllinien löst und stattdessen mit unstrukturierten, zufällig bestimmte Stützstellen arbeitet. Dabei wird ein zweiphasiges Verfahren entwickelt, bei dem zunächst die Pump- und Sperrlinien in ihrer Gesamtheit mit einer iterativen, hoch parallelisierbaren, auf Support-Vector-Machine beruhenden Strategie bestimmt werden. Als nächster Schritt wird mit Methoden der statistischen Versuchsplanung eine ausreichende Dichte von Stützstellen innerhalb der Betriebsgrenzen des Verdichters generiert. Abschließend werden auf Basis aller verwendeten Stützstellen Antwortflächen für Verdichterdruckverhältnis, Wirkungsgrad und Eintrittsmassenstrom aufgebaut. Zur Reduktion der Rechenzeit jeder einzelnen 3D-CFD Rechnung werden unterschiedliche Methoden zur Erzeugung von Startlösungen betrachtet. In diesem Rahmen werden Initialisierungsansätze aus reduzierten Strömungsmodellen und aus der Superposition von bereits bekannten Strömungslösungen auf Basis der Methode der Proper-Orthogonal-Decomposition (POD) untersucht. Als Validierung wird abschließend das entwickelte Verfahren zur Kennfeldberechnung in Kombination mit dem POD-Initialisierungsansatz erfolgreich auf die Analyse eines 4.5- stufigen Forschungsverdichters angewendet. N2 - In modern-day turbo engine development, the usage of complex and time consuming numerical flow simulation methods (3D-CFD) is essential. This especially applies to compressor map computation which require many time-consuming 3D-CFD calculations. For a qualitative assessment of a compressor design, not only the operating points, such as cruise, take-off and landing, must be depicted precisely, but the critical operating limits called surge and choke must be detected. Previous investigations on the automated compressor map computation were based on structured calculations of several speed-lines, for which, each line choke and surge limits are traced separately. Due to the restriction to single speed-lines, however, the entire characteristic of the compressor map is unknown, hence unknown operation points must be derived from linear interpolation. An additional disadvantage of these speed-line based methods is their infeasibility for parallel computing. The focus of this work is on the development of an efficient process for the acquisition of the entire compressor map. The two main requirements therefore are firstly a reduction of the number of necessary CFD calculations for a sufficiently precise description of the compressor map and secondly, an acceleration of every single 3D-CFD calculation. For this purpose a compressor map computation strategy is proposed, which differs from the standard structured single speed-line approach using instead an unstructured randomly determined samples approach. Hence a two-step process is being developed. In the first step, the entire surge- and choke-line is approximated with an iterative, highly parallelizable strategy based on support-vector-machine. In the second step, statistical Design of Experiments (DoE) methods are used to achieve sufficient density of samples within the operating limits of the compressor. Finally a response-surface method is used to approximate compressor map features like pressure ratio, efficiency and inlet mass flow. To reduce the computation time of each 3D-CFD calculation, different methods of flowfield initialization are considered. In this context, initialization approaches with reduced-order flow models and superposition of already known flow solutions based on the Proper-Orthogonal-Decomposition (POD) method are investigated. Finally for validation purposes the developed compressor map computation process combined with the POD-initialization approach is applied to a 4.5-stage research compressor model. KW - Verdichterkennfeld KW - 3D-CFD KW - Maschinelles Lernen KW - Support-Vector-Machine KW - Strömungsfeld-Initialisierung KW - Flowfield-initialization KW - Compressor map KW - 3D-CFD KW - Machine learning KW - Support-vector-machine KW - Verdichter KW - Kennfeld KW - Numerische Strömungssimulation KW - Optimierung Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-53950 ER -