• Media type: E-Book; Thesis
  • Title: Optimierung von Luftauslass- und Kanalgeometrien mit adjungierten Verfahren
  • Contributor: Köthe, Thomas [Author]; Wagner, Claus [Degree supervisor]; Boeck, Thomas [Degree supervisor]; Weinman, Keith [Degree supervisor]
  • Corporation: Technische Universität Ilmenau
  • Published: Ilmenau: Universitätsbibliothek, [2021?]
  • Extent: 1 Online-Ressource (xxi, 166 Seiten); Diagramme, Illustrationen
  • Language: German
  • Identifier:
  • RVK notation: UF 4600 : Numerische Strömungsmechanik (CFD), Fluid-Struktur-Wechselwirkung
  • Keywords: Gestaltoptimierung > Direkte numerische Simulation > Reynoldssche Gleichung > Kanalströmung > Gestaltoptimierung > Direkte numerische Simulation > Reynoldssche Gleichung > Kanalströmung
  • Origination:
  • University thesis: Dissertation, Technische Universität Ilmenau, 2021
  • Footnote: Tag der Verteidigung: 12.10.2021
  • Description: Die Auslegung von Belüftungssystemen in Flugzeugen, Zügen und Autos ist in erster Linie von der Erfahrung und dem Fachwissen der Entwicklungsingenieure sowie intensiven Tests abhängig. Mit numerischen Optimierungsverfahren ist es jedoch möglich, die Systeme noch weiter zu verbessern. In der vorliegenden Arbeit werde ich eine Prozesskette entwickeln, die mit Hilfe der adjungierten Formoptimierung auf Grundlage numerischer Strömungsmechanik den Kabinenluftauslass des Dornier 728 Flugzeugs optimiert. Dabei soll in der Netzverformung eine hohe Zahl an Freiheitsgraden verwendet werden, die durch die adjungierte Formoptimierung zur Verfügung steht. Zusätzlich wird die vorgestellte Prozesskette auf ein vektrowertiges Optimierungsproblem angewendet, wobei die Pareto-Front zweier Zielfunktionen für den Kabinenluftauslass bestimmt wird. Laut Stand der Technik wird für solche Problemstellungen die Methode der gewichteten Summe angewendet. Diese bedeutet zugleich einen enormen Rechenaufwand, wenn man komplexe Geometrien untersucht. Um diesen Aufwand zu reduzieren, präsentiere ich ein Verfahren, bei dem die Sensitivitätsfelder aus skalarwertigen Optimierungsproblemen kombiniert werden. Die Variation dieser Skalierungsfaktoren erfolgt mit einem genetischen Algorithmus. Im nächsten Schritt wird das Problem noch einmal umformuliert und die Variation der Wichtungsfaktoren wird mit einem E-Schranken-Verfahren untersucht. Im Vergleich zur Kombination der Zielfunktionen liefert das präsentierte Verfahren bei gleichbleibender Rechenzeit eine Verbesserung der Zielfunktion von ca. 70% bzw. ca. 40% Verbesserung bei einer Einsparung von 50% der Rechenzeit. Zusätzlich zeigt auch die bestimmte Pareto-Front geringere Werte für die untersuchten Zielfunktionen.
  • Access State: Open Access