elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Entwicklung eines mit Hilfe von CFD Simulationen trainiertenAutoencoders zwecks schneller Vorhersage aerodyamischerDaten für Flügelprofile

Hoffmann, Nils (2019) Entwicklung eines mit Hilfe von CFD Simulationen trainiertenAutoencoders zwecks schneller Vorhersage aerodyamischerDaten für Flügelprofile. Bachelor's, DHBW Mannheim.

[img] PDF
5MB

Abstract

Während sich die numerische Strömungssimulation durch Computational Fluid Dynamics (CFD)als mächtiges Werkzeug in der Flugzeugentwicklung erwiesen hat, ist diese für dieEvaluierung aller notwendigen Strömungsbedingungen zu rechenaufwendig. Datengetriebeneaerodynamische Ersatzmodelle, welche auf vollständigen CFD Lösungen basieren, könnenVorhersagen für Strömungsbedingungen treffen, für welche keine CFD Berechnungen vorliegen. Die SMARTy Toolbox implementiert solche Erstzmodelle welche auf einer Dimensionsreduzierung der Trainingsdaten durch POD mit anschließender Interpolation auf dem dadurcherzeugen Unterraum basieren. Dabei kann es allerdings zu abweichenden Vorhersagen unter nichtlinearen, transsonischen Strömungsbedingungen kommen. In dieser Arbeit wurden Autoencodernetzwerke evaluiert, welche die POD Methode ersetzen und eine nichtlineareDimensionsreduzierung ermöglichen. Diese wurden erneut mit TPS Interpolation kombiniertund konnten für die getesteten Oberflächendruckverteilungen auf einem zweidimensionalen Flügelprofil genauere Vorhersageergebnisse liefern. Dabei erwiesen sich vor allem Convolu-tional Autoencoder als geeignet. In allen Modellen konnten die, gegenüber POD genaueren Vorhersagen, durch eine für die Interpolation geeignete Einbettung im Unterraum erreichtwerden. Während die Methode gegenüber POD zwar über deutlich höhere Offlinekosten verfügt, sind die Onlinekosten für eine Strömungsvorhersage vergleichbar geblieben

Item URL in elib:https://elib.dlr.de/137878/
Document Type:Thesis (Bachelor's)
Title:Entwicklung eines mit Hilfe von CFD Simulationen trainiertenAutoencoders zwecks schneller Vorhersage aerodyamischerDaten für Flügelprofile
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iD
Hoffmann, NilsNils.Hoffmann (at) dlr.deUNSPECIFIED
Date:September 2019
Refereed publication:No
Open Access:Yes
Gold Open Access:No
In SCOPUS:No
In ISI Web of Science:No
Number of Pages:83
Status:Published
Keywords:Ersatzmodell, CFD, Autoencoder, Dimensionsreduzierung, Neuronale Netzwerke, Deep Learning
Institution:DHBW Mannheim
Department:Informationstechnik
HGF - Research field:Aeronautics, Space and Transport
HGF - Program:Aeronautics
HGF - Program Themes:fixed-wing aircraft
DLR - Research area:Aeronautics
DLR - Program:L AR - Aircraft Research
DLR - Research theme (Project):L - Simulation and Validation (old)
Location: Braunschweig
Institutes and Institutions:Institute of Aerodynamics and Flow Technology > C²A²S²E - Center for Computer Applications in AeroSpace Science and Engineering
Deposited By: Hoffmann, Nils
Deposited On:24 Nov 2020 07:29
Last Modified:24 Nov 2020 07:29

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Copyright © 2008-2017 German Aerospace Center (DLR). All rights reserved.