Evaluierung des Potentials von Methoden des maschinellen Lernens zur Verbesserung von Turbulenzmodellen im Kontext von Turbomaschinenanwendungen

Abstract

Die vorliegende Abschlussarbeit befasst sich mit der Anwendung von Methoden des maschinellen Lernens zur Erweiterung und gegebenenfalls Verbesserung von Turbulenzmodellen im Kontext von Turbomaschinenanwendungen. Der Fokus liegt dabei auf der Untersuchung künstlicher neuronaler Netze für unterschiedliche Techniken der Modellerweiterung, sowie der Analyse deren Potenzials. Es werden verschiedene Ansätze von Typen neuronaler Netzwerke vorgestellt, implementiert und unter Verwendung geeigneter Datensätze trainiert. Daraufhin werden die Modelle der neuronalen Netze auf ein Problem aus dem Bereich der Turbomaschinen angewendet und evaluiert, indem sie innerhalb des Strömungslösers TRACE des Deutschen Zentrums für Luft- und Raumfahrt zur Abbildung der statistischen turbulenten Strömungsgrößen aufgerufen werden. Die Auswertung der Ergebnisse zeigt, dass einer der beiden untersuchten Ansätze durchaus Potential zur Verbesserung von Turbulenzmodellen im Kontext von Turbomaschinenanwendungen besitzt. Auf der Grundlage der Ergebnisse können weiterführende Forschungen bezüglich komplexen und praxisnahen Problemstellungen aufbauen.