TU Berlin

AerodynamikProjekt NEURON

Inhalt des Dokuments

zur Navigation

Projekt - NEURON

Lupe

„NEURON – Machine Learning and Data Fusion for Aerodynamic Optimization“im Verbund „navDM – Software für die Industrie 4.0“

Lupe

Ziel des Verbundprojekts ist die Entwicklung einer Software, die durch den Einsatz von Methoden des maschinellen Lernens zu einer Effizienzsteigerung bei der Datennutzung in industriellen Entwicklungsprozessen führt. Das im Mai 2020 gestartete Projekt gliedert sich in zwei Teilprojekte, die von den Verbundpartnern NAVASTO und TU Berlin bearbeitet werden. Das Teilprojekt NEURON wird von der TU Berlin bearbeitet und erforscht die methodischen Grundlagen. Diese nutzt das von NAVASTO bearbeitete Teilprojekt navDM, um daraus robuste und an den industriellen Alltag angepasste Funktionen zu entwickeln und in eine Softwareplattform zu integrieren. In dem Teilprojekt NEURON werden zwei große Themenblöcke bearbeitet.

Lupe

Im ersten Teil ist das Ziel verschiedene machine learning (ML) Methoden (Supervised, Unsupervised und Reinforcement Learning) mit diversen untergeordneten spezifischen Methoden, die bislang  hauptsächlich Anwendung in numerischen Simulationen fanden, nun sowohl für die experimentelle als auch numerische Untersuchung von komplexen aerodynamischen Problemen und deren Optimierung zu entwickeln. Speziell soll hier die Erfassung des Systemverhaltens aber auch die Effizienz (Nutzung der vorhandenen Systemparameter) untersucht werden. Im zweiten Teil liegt der Fokus auf der Definierung und Eignungsanalyse verschiedener Datenfusionsmethoden sowohl für die Kopplung von realen, verrauschten und numerisch gewonnenen Daten innerhalb eines Versuchsaufbaus als auch die Entwicklung und Forschung an Methoden und Datenstrukturen zur versuchsübergreifenden Nutzung von Metadaten in Datenbanken. Dabei sollen sowohl gängige Methoden analysiert aber auch neue Verfahren durch Abwandlungen und Kopplungen bestehender Konzepte erforscht werden.

Lupe

Über alle Teile des Projekts hinweg sollen machine learning Methoden in Experimenten und CFD Simulationen genutzt werden um Prozesse zu optimieren und die Ergebnisse aus verschiedenen Quellen mittels Datenfusion auf eine höhere nutzbare Ebene zu bringen. Es wird Experimente und Simulationen mit Bezug zu luftfahrtspezifischen Problemen (diverse Flügeloptimierungen) und automobilspezifischen Problemen (Fahrzeugaerodynamik) geben.

Lupe

In allen Bereichen des Projekts sollen dabei diverse ML Methoden untersucht und für die Nutzung im Experiment und die Datenfusion erweitert werden. Speziell im Experiment wird sowohl die Datenqualität als auch der Einfluss systematischer und zufälliger Fehler eine entscheidende Rolle spielen. Dieser Einfluss soll quantifiziert werden und anschließend für jede genutzte ML Methode eine Möglichkeit gefunden werden die Robustheit gegen derartige Fehler zu erhöhen. Für die Datengewinnung sollen verschiedene Samplingmethoden – und Strategien untersucht werden. Im Bereich der Optimierung sollen zudem unterschiedliche Zielfunktionen mit mehreren lokalen Optima gewählt und die Eignung der ML Methoden diese Optima zu finden untersucht werden.

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe