Die Inhalte der Abschlussarbeiten:
Mirjam Strüber, Hochschule Hannover, Deutschlandpreis SONDERPREIS BACHELOR 2020/2021 für ihre Bachelorarbeit mit dem Titel: „EIN CFD-BASIERTER OPTIMIERUNGSANSATZ AM BEISPIEL DER SCHUKEY-MASCHINE“
Die vorliegende Bachelorarbeit beschäftigt sich mit der Aufgabenstellung, eine Optimierung auf Basis eines vorhandenen CFD-Modells einer rotierenden Verdrängermaschine durchzuführen. Diese besteht aus zwei Rotoren mit jeweils vier Flügeln, die sich in gleicher Richtung unterschiedlich schnell drehen, wodurch die dadurch entstehenden Kammern in ihrer Größe variieren und somit Fluide verdichtet werden können. Diese Technologie kann beispielsweise für umweltfreundliche Klimaanlagen verwendet werden. Bisherige Verbesserungen an der Maschine wurden mithilfe von Parameterstudien oder analytischen Betrachtungen durchgeführt, nicht aber automatisiert auf Grundlage eines Optimierungsalgorithmus.
Der hierfür ausgewählte Algorithmus „Particle Swarm Optimization“ ist in MATLAB implementiert worden. Dabei handelt es sich um ein naturanaloges Verfahren, welches am Schwarmverhalten von Vögeln auf der Suche nach dem optimalen Rastplatz inspiriert ist. Jedes Partikel besteht hierbei aus den zu verändernden Variablen. Es existiert eine Geschwindigkeitsformel, die die Position der Partikel in jeder Iteration basierend auf dem aktuellen Wert und den Bestwerten im Hinblick auf die Zielgröße verändert. Die Optimierung wird solange durchgeführt, bis sich alle Partikel nahezu auf derselben Position befinden. Die Simulation des Modells erfolgt in ANSYS CFX und dient zur Berechnung der Zielgröße.
In der Bachelorarbeit wird gezeigt, wie die beiden Programme verknüpft und in einander integriert werden können, um die Simulation als Zielfunktion einer Optimierung zu verwenden. Aufgrund des zeitlich und räumlich fein aufgelösten Simulationsmodells werden die Rechenressourcen des Hochleistungsrechnerverbunds Norddeutschlands (HLRN) genutzt. Die Optimierung mit Verknüpfung zur Simulation auf dem HLRN läuft automatisiert und lässt sich auch auf diverse andere Algorithmen und Simulationsmodelle anwenden.
In der vorliegenden Untersuchung wird als Optimierungsgröße der Liefergrad ausgewählt, welcher als charakteristische Kennzahl die Umsetzung des Volumens für Verdrängermaschinen beschreibt. Er konnte durch Veränderung zweier Variablen von 84% auf 96% gesteigert werden.
Abdulrahman Allababidi, HTW Berlin, Deutschlandpreis für seine Bachelorarbeit mit dem Titel:
„EINE VERGLEICHENDE BETRACHTUNGVERSCHIEDENER ANSÄTZE ZUR MODELLIERUNG VON
GLASFASERVERSTÄRKTEN MATERIALIEN AUF BASIS DER FINITE-ELEMENTE-ANALYSE“
Wegen ihrer hervorragenden Eigenschaften werden Verbund-Materialien aus Faser-Kunststoff in Branchen wie der Luftfahrt- oder Automobil-Industrie vielseitig eingesetzt. Da Hersteller neue Produkte in immer kürzeren Zeiten entwickeln, setzen sie statt auf experimentelle Untersuchungen vermehrt auf numerische Simulationen, um Produkte virtuell zuverlässig auszulegen. Hierfür benötigen sie geeignete Material- und Modellierungsmodelle, die die Realität abbilden können.
Für seine Arbeit „Eine vergleichende Betrachtung verschiedener Ansätze zur Modellierung von glasfaserverstärkten Materialien auf Basis der Finite-Elemente-Analyse“ erhält Abdulrahman Allababidi von der Hochschule für Technik und Wirtschaft Berlin den Deutschlandpreis. Die Arbeit beschäftigt sich damit, die Materialeigenschaften für Glasfaser-verstärkte Epoxidharze effizient virtuell zu charakterisieren. Der Verbundwerkstoff, der typischerweise als Leiterplatte in der Elektronik verwendet wird, verhält sich durch die Glasfaser in den drei Raumdimensionen äußerst unterschiedlich. Dieses Verhalten experimentell zu bestimmen, ist aktuell mit erheblichem Zeit- und Kostenaufwand verbunden, da sehr viele Experimente durchgeführt werden müssen. Ändert sich die Glasfaserstruktur, also die Form des Gewebes, erfordert dies sogar noch weitere Experimente.
Um diesen Aufwand zu reduzieren, schlägt Abdulrahman Allababidi in seiner prämierten Arbeit die effiziente numerische Materialcharakterisierung zur Bestimmung der mechanischen Materialkennwerte vor. Dabei wird ein kleiner Teil der aus Glasfasergewebe und Epoxidharz bestehenden Mikrostruktur modelliert. Durch adäquate Randbedingungen und Mittelungstechniken wurden die globalen Materialeigenschaften ermittelt und erfolgreich in eine Demonstratorgeometrie eingesetzt. Die Ergebnisse dieser Arbeit erlauben es das Leiterplattenmaterial aus thermomechanischer Sicht virtuell zu optimieren und Wechselwirkungen mit den verwendeten Komponenten auf Systemebene zu untersuchen.
Jendrik Hogrefe, Hochschule Rhein-Main, Deutschlandpreis für seine Masterarbeit mit dem Titel:
„VALIDATION OF AN ANALYSIS METHOD FOR CONDENSATION BEHAVIOR IN HEADLAMPS WITH STAR
CCM+“
Mit der sich ständig weiterentwickelnden Fahrzeuglichttechnik werden Scheinwerfertechnologien und ihr Aussehen immer wichtiger für das Erscheinungsbild eines Fahrzeugs. Kondensationseffekte, die auf klaren Scheinwerferabschlussscheiben entstehen, können Kunden deshalb stören und folglich zu unerwünschten Reklamationen führen. Um diese zu vermeiden, gibt es verschiedene Technologien, die eingesetzt werden können. Dazu gehören aktive Belüftungen, Beschichtungen, aber auch passive Belüftungsmethoden. Letztere bieten besonders einen wirtschaftlichen Vorteil, verursachen zudem keinen Mehraufwand in der Produktion und benötigen keine Stromversorgung. Der wichtigste Anwendungsfall, um mit Belüftungöffnungen sichtabare Kondensationseffekte zu verhindern, ist ein statisches, geparktes Auto ohne eingeschaltete Aggregate, bei dem die interne Strömung im Scheinwerfer nur durch natürlicher Konvektion verursacht wird. Um, repräsentative Aussagen über die Wirksamkeit von Belüftungsöffnungen in diesem Fall zu treffen, sollte in der Masterarbeit eine CFD-Simulationsmethode in Siemens Star CCM+ validiert werden.
Dieses wurde erreicht, indem zunächst ein physisches Experiment aus der Literatur in einer Simulation nachgebildet wurde, wodurch belegt werden konnte, dass Wärmeübertragungsmechanismen bei natürlicher Konvektion durch Star CCM+ valide modelliert werden. Auf dieser Grundlage war es möglich, auch eine Kondensationssimulation zu erstellen, ohne dass Fehler bei der Simulation der Wärmeübertragung zu erwarten waren.
Um das Kondensationsverhalten an sich zu verstehen, wurde ein einfacher, scheinwerferähnlicher Prüfkörper entworfen und ein Test entwickelt, um die Kondensation im Inneren dieses Prüfkörpers bei natürlicher Konvektion zu provozieren. Durch Messung der Temperaturen und der relativen Luftfeuchtigkeit mit präzisen Hygrometern, Thermometern und Infrarotthermometern mit einer selbstentwickelten Messsoftware wurden die Kennwerte verfolgt und das Auftreten der Kondensation mit einer Kamera aufgezeichnet. Durch Wiederholung des Versuchs konnte gezeigt werden, dass wiederholbare Ergebnisse entstehen. Der Versuchsaufbau wurde anschließend auf eine transiente Star CCM+ Simulation übertragen und die Ergebnisse mit dem durchgeführten Versuch verglichen. Die Temperaturen und relativen Feuchtewerte zeigten eine gute quantitative und die Kondensationsfilmentwicklung eine gute qualitative Übereinstimmung, sodass die entwickelte Simulationsmethode als validiert für Kondensationseffekte in einer einfachen Scheinwerfergeometrie angesehen werden kann.
Zusätzlich zu der Validierung der Simulationsmethode konnte gezeigt werden, dass diese auch erfolgreich auf eine komplexere Scheinwerfergeometrie übertragbar ist. Desweiteren wurde die Simulation optimiert, um eine möglichst geringe Berechnungslaufzeit zu erzielen.
Michael Meindl, Hochschule Karlsruhe, Deutschlandpreis für seine Masterarbeit mit dem Titel:
„DEVELOPMENT AND ITERATIVE LEARNING CONTROL OF A TWO-WHEELED INVERTED PENDULUM ROBOT“
Das Ziel der Masterarbeit bestand darin, einen Segway-Roboter zu entwickeln, der selbständig komplexe Bewegungsaufgaben, wie z.B. das Aufheben von Objekten, erlernen soll. Der Roboter und die daran applizierten Lernmethoden legen den Grundstein für ein Forschungsprojekt, das sich mit dem künstlichen Bewegungslernen befasst und in einer Kooperation der Technischen Universität Berlin, Friedrich-Alexander-Universität Erlangen-Nürnberg und der Hochschule Karlsruhe durchgeführt wird.
Im ersten Teil der Abschlussarbeiten wurde ein Segway-Roboter entwickelt, der in der Lage ist, sich selbständig aufzurichten und in der aufrechten Position zu balancieren. Anschließend wurde eine iterativ lernende Regelung – kurz ILR – appliziert, die es robotischen Systemen ermöglicht, gewünschte Bewegungen und Manöver präzise auszuführen. Da die ILR Konzepte des maschinellen Lernens mit Elementen der Regelungstechnik vereint, ermöglicht sie ein besonders schnelles und robustes Lernen, sodass die Methode auch auf reale Problemstellungen angewendet werden kann. Im Falle des Segway-Roboters wurde die ILR eingesetzt, um Manöver zu erlernen, mit denen der Roboter Objekte aufheben und abladen oder auch unter Hindernissen hindurchtauchen kann.
Im letzten Teil der Abschlussarbeite wurde eine neuartige Erweiterung der ILR, die s.g. referenz-adaptierende ILR, entwickelt. Hierbei wird die Referenztrajektorie des Lernsystems schrittweise an das gewünschte Manöver angenähert, wodurch garantiert wird, dass der Roboter Ausgangsbeschränkungen während des Lernprozesses einhält. Die Ergebnisse dieser Forschungsarbeit wurden u.a. bei dem IFAC World Congress 2020 präsentiert und veröffentlicht.