Modellierung der tabellierten Verbrennungschemie mittels neuronaler Netze

Kurzfassung

Für die numerische Untersuchung komplexer reaktiver Strömungen in Gasturbinenbrennkammern stellt die Modellierung der Verbrennungschemie meist einen limitierenden Faktor hinsichtlich der Rechenkosten dar. Ein effizienter Modellierungsansatz wird durch die Tabellierung der Reaktionsraten formuliert. Dabei werden die thermochemischen Zustände mittels eindimensionaler Flammen berechnet und in Abhängigkeit von Kontrollgrößen tabelliert. Anschließend werden in der Simulation die hinterlegten Größen auf Grundlage der Tabellenwerte interpoliert. Bei aufwändigen Problemstellungen ist dies ein begrenzender Faktor für die Durchführbarkeit der numerischen Simulation. Die Nutzung neuronaler Netze stellt hier einen alternativen Ansatz dar, um die Reaktionskinetik sehr effizient und akkurat zu modellieren. Bisherige Ansätze sind auf sehr spezifische Anwendungsfälle trainiert worden und nutzen z.T. mehrere neuronale Netze. In dieser Arbeit wird daher ein einziges Netzwerk entwickelt, welches auf variable Randbedingungen mehrerer Betriebspunkte angepasst ist. Dazu werden aus dem ICAO LTO-Zyklus drei Betriebspunkte abgeleitet. Mittels Cantera werden Trainings-, Test- und Validierungsdatensätze erzeugt. Das neuronale Netz wird anschließend in TensorFlow entwickelt. Die Kopplung an den Strömungslöser TRACE wird vorbereitet.