Generative datenbasierte Entwicklung eines mehrbrennstoffähigen Injektors

Abstract

Gegenstand dieses Berichtes ist die Entwicklung eines mehrbrennstofffähigen Injektors fur Gasturbinen mithilfe von generativen maschinellen Lernen. Aufbauend auf einem mithilfe von CFD-Simulationen erstellten Verbrennerdatensatzes werden verschiedene generative neuronale Netzwerke trainiert. Diese Netzwerke sollen dann in der Lage sein, basierend auf spezifischen Anforderungen an zuvor bestimmte Performance-Werte, diverse Designalternativen fur eine parametrisierte Verbrennerarchitektur zur Verfügung zu stellen. Generierte Designs erster Netzwerk-Prototypen sollen durch verschiedene Methoden validiert werden. Anschließend sollen erfolgreiche Prototypen weiter verbessert werden, wobei besoderes Augenmerk auf der erh¨ohung der Konfidenz generierter Designs, sowie der Erweiterung und Extrapolation des Parameterraumes liegt.