« Forschungslandschaft: Projekte

Partikelbeladene Strömungen sind in vielen natürlichen und industriellen Prozessen anzutreffen, wie z. B. die Strömung von roten und weißen Blutkörperchen im Plasma oder die Fluidisierung von Biomassepartikeln in Öfen. In den letzten 40 Jahren haben Wissenschaftler Euler-Lagrange-Simulationen (EL) als Mittel zur Vorhersage des Verhaltens solcher Strömungen eingesetzt. EL-Simulationen stützen sich jedoch auf Modelle zur Beschreibung der Wechselwirkung zwischen dem Fluid und den einzeln verfolgten Partikeln. Diese Modelle erfordern die so genannte "ungestörte" Flüssigkeitsgeschwindigkeit am Ort des Partikels, d. h. die Geschwindigkeit, die die Flüssigkeit hätte, wenn das Partikel nicht da gewesen wäre. Die derzeitigen Modelle hierfür sind sehr rudimentär, und die genaue Berechnung der ungestörten Flüssigkeitsgeschwindigkeit ist äußerst kostspielig, da dazu viele zusätzliche hoch aufgelöste Simulationen desselben Falles durchgeführt werden müssten, bei denen ein Teilchen weggelassen wird.

Im Rahmen dieses Projekts soll ein neuartiges Modell für die ungestörte Strömungsgeschwindigkeit an jedem Partikelstandort unter Berücksichtigung der Eigenschaften der Strömung um das Partikel und der umgebenden Partikel entwickelt werden, wobei ein Ansatz des überwachten maschinellen Lernens verwendet wird: die genetische Programmierung (GP). GP ist sehr gut geeignet, da das Ergebnis kein "Black-Box"-Modell ist, sondern ein überprüfbarer Ausdruck für die ungestörte Geschwindigkeit. Dieser Ausdruck wird durch analytische Lösungen und hochaufgelöste Simulationen validiert und ermöglicht genaue, großmaßstäbliche Simulationen von dichten, partikelbeladenen Strömungen, wobei nur ein Bruchteil der Kosten für vollständig aufgelöste Simulationen erforderlich ist.