Entwicklung eines objektorientierten und parallelisierten Gradient Enhanced Kriging Ersatzmodells

Abstract

Zur Erfüllung der im europäischen Strategiedokument „Flightpath 2050“ definierten Ziele in Hinblick auf die Reduzierung des Treibstoffverbrauchs und der CO2- Emission ist eine weitere Steigerung desWirkungsgrades von Verdichtern als zentrale Triebwerkskomponente erforderlich. Das Ziel ist die Auslegung und das Design von effizienten Verdichternmit verbesserten und neuen Auslegungstechniken sowie Simulationsverfahren. Diese sind elementar mit der Qualität der Auslegung und der Zertifizierung verknüpft. Gerade durch das immer stärkere Ausloten und Ausnutzen der technischen Grenzen und Detailgestaltungen steigen die Anforderungen an die Auslegungswerkzeuge und die rechnerische Simulation erheblich an. Insbesondere die automatisierte Mehrzieloptimierung der Verdichterkomponenten ermöglicht dabei das Auffinden der optimalen Geometrien unter Berücksichtigung aller wesentlichen Auslegungskriterien. Am Institut für Antriebstechnik wird daher ein solcher Optimierer namens AutoOpti entwickelt. Um eine Optimierung möglichst effizient zu gestalten, werden Ersatzmodelle verwendet, welche die Zielfunktion modellieren und damit den Optimierungsprozess beschleunigen. Eines der am häufigsten verwendeten Ersatzmodelle ist das Kriging Verfahren, welches beim Institut für Antriebstechnik bereits zum Einsatz kommt. Da dieses Verfahren immer mehr an Bedeutung gewonnen hat, sollte es innerhalb des Rahmens dieser Arbeit komplett neu entwickelt werden. Ziel dieser Neuentwicklung war es, den Code zu modularisieren, um das Verfahren schnell erweitern und verändern zu können. Zudem war es ein wichtiges Ziel, das Verfahren zu beschleunigen. Um den Code für zukünftige Anwendungen modularer zu gestalten, wurde das gesamte Programm objektorientiert in C++ geschrieben. Außerdem wurde die Boost Bibliothek verwendet um mehr Möglichkeiten bei der Programmierung zu haben, beispielsweise bietet diese Bibliothek sehr flexible Funktionsobjekte. Durch Einsatz dieser Mittel und moderner Software Engineering Methoden war es möglich, den neuen Code so weit zumodularisieren, dass nahezu alle Teile des Programms austauschbar und einfach erweiterbar sind. Der Code konnte um den Faktor 2 beschleunigt werden, dies wurde durch Minimierung der Speicherzugriffe und durch Nutzung effizienter CPU-Befehle erreicht. Zudem war es möglich, ein neues Trainingsverfahren höherer Ordnung zu implementieren. Die Verwendung dieses Trainingsverfahrens beschleunigte den Code nochmals um den Faktor 3. Umdie Ergebnisse zu validieren,wurde ein Test und Benchmark durchgeführt, in dem die Ergebnisse und auch der Geschwindigkeitszuwachs bestätigt werden konnten.