TY - RPRT A1 - Polklas, Thomas A1 - Willeke, Tobias A1 - Lehmbrinck, Marc A1 - Fomina, Anastasia A1 - Maqueo Martinez, Manuel Ernesto A1 - Oliveira Brito, Marcel T1 - RoboFlexRobuste Turbomaschinen für den flexiblen Einsatz: Numerische und experimentelle Untersuchungen zu einem axial-radial Turbinendiffusor (AP 1.5); KI-basierte, modellprädiktive Turbostrang-Regelung für einen energieoptimalen Betrieb (AP 4.2) (Abschlussbericht Verbundprojekt AG Turbo Teilvorhaben-Nr. 1.5 und 4.2) N2 - In der Zusammenarbeit zwischen dem ITSM der Universität Stuttgart und Everllence wurde im Rahmen dieses Vorhabens (AP 1.5) eine Versuchsanlage zur Erzeugung repräsentativer Diffusorströmungen entwickelt und für experimentelle Untersuchungen eingesetzt. Begleitend zu den experimentellen Untersuchungen wurden verschiedene numerische Modelle entwickelt und anhand der Messergebnisse validiert. Aus diesem Vergleich wurden Empfehlungen zur numerischen Strömungssimulation von Axial-Radial-Diffusoren abgeleitet. Insgesamt zeigte die numerische Simulation unter den gewählten Bedingungen eine hohe Sensitivität gegenüber den Modellparametern mit entsprechenden Auswirkungen auf die beabsichtigte Geometrieoptimierung. In Arbeitspaket 4.2 des AG Turbo Verbundprojekts RoboFlex ist es den Projektpartnern Hochschule Düsseldorf und Everllence gelungen, eine modellprädiktive Mehrgrößen-Verbundregelung eines exemplarischen Turbomaschinen-Strangs zu entwickeln. Dies erlaubt der Regelungseinheit, alle verfügbaren Stellgrößen simultan zu benutzen, um ein vorgegebenes Regelungsziel zu erreichen. Zudem kann das Regelungsziel flexibel um weitere Vorgaben und Beschränkungen erweitert werden, indem diese in die Kostenfunktion implementiert werden. Ein zentraler Forschungsschwerpunkt war hierbei die Einbindung von Methoden der künstlichen Intelligenz in die Modellierung und im gleichen Zuge deren Überführung und Implementierung in die linearisierte Modellform, die die modellprädiktive Regelung verlangt. Ein besonderes Augenmerk wurde auf die fortlaufende Nachführung des KI-Modells an den zuletzt durch Messungen bekannten Anlagenzustand gelegt. KW - Strömungsmaschine KW - Regelungstechnik KW - Maschinelles Lernen KW - Deep Learning KW - Tiefes neuronales Netz Y1 - 2025 UR - https://opus4.kobv.de/opus4-hs-duesseldorf/frontdoor/index/index/docId/5712 UR - https://nbn-resolving.org/urn:nbn:de:hbz:due62-opus-57122 PB - Repositorium für Naturwissenschaften und Technik CY - Hannover ER -