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)

  • 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, alleIn 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.show moreshow less

Download full text files

Export metadata

Metadaten
Author:Thomas Polklas, Tobias Willeke, Marc Lehmbrinck, Anastasia Fomina, Manuel Ernesto Maqueo Martinez, Marcel Oliveira Brito
open access:Diamant - ohne Publikationskosten mit Lizenzhinweis
Research fields:Technologie / Energieerzeugung und Energieumwandlung
Fachbereich/Einrichtung:Hochschule Düsseldorf / Fachbereich - Maschinenbau und Verfahrenstechnik
Document Type:Workingpaper / Report
Year of Completion:2025
Language of Publication:German
Publisher:Repositorium für Naturwissenschaften und Technik
Place of publication:Hannover
Page Number:137
URN:urn:nbn:de:hbz:due62-opus-57122
DOI:https://doi.org/10.34657/18643
GND Keyword:StrömungsmaschineGND; RegelungstechnikGND; Maschinelles LernenGND; Deep LearningGND; Tiefes neuronales NetzGND
Funding institution:Bundesministerium für Wirtschaft und Energie
Funding number:03EE5012C
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Licence (German):Creative Commons - CC BY-ND - Namensnennung - Keine Bearbeitungen 3.0
Release Date:2025/12/08
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.