Das Programmpaket zur automatisierten multidisziplinären Optimierung von Turbomaschinenkomponenten (AutoOpti) wird bezüglich seiner Einsatzmöglichkeiten, Benutzerfreundlichkeit und Zeiteffizienz weiter entwickelt und in vielen Projekten und Industrieaufträgen des Institutes eingesetzt. Die Aufgabenstellungen und die dafür entwickelten Prozessketten reichen von der reinen zweidimensionalen Profilaerodynamik bis hin zur dreidimensionalen multidisziplinären (Aerodynamik, Mechanik, Aeroelastik, Akustik) Optimierung mehrstufiger Konfigurationen. Der Kern der Optimierungsalgorithmen beruht auf der Evolutionsstrategie, die eine simultane Verbesserung mehrerer Zielfunktionen und die Einhaltung vieler Nebenbedingungen erlaubt.
Damit werden die Robustheit und die Möglichkeit, lokale Minima zu überwinden, erhalten. Die mäßige Konvergenzgeschwindigkeit wird mit hardwarenahen Beschleunigungsmethoden und besonders durch Antwortflächen (Metamodelle) auf ein für die industrielle und Forschungspraxis notwendiges Niveau angehoben. Die Antwortflächen (neuronale Netze und Kriging) können jetzt auch Gradienteninformationen der Zielfunktionale berücksichtigen, eine Voraussetzung für den effektiven Einsatz von adjointTRACE in der Prozesskette. Die neuronalen Netze und/oder Kriging-Modelle approximieren, basierend auf den in der Datenbank vorliegenden Ergebnissen, die Zusammenhänge zwischen Zielfunktionen und den freien Designparametern. Anschließend erfolgt eine temporäre Optimierung auf diesen Antwortflächen und nur die vielversprechenden Datensätze werden an die numerisch aufwendige Prozesskette versendet.
Abbildung 1: Flussdiagramm AutoOpti
Für die anwenderfreundliche Nutzung der Ersatzmodelle wurden diese in den Root-Prozess des Kernoptimierers integriert (Abbildung 1). Man benötigt nun jedoch ein einheitliches Optimalitätskriterium für alle Optimierungen auf den Ersatzmodellen (unabhängig von der Anzahl an Zielfunktionen/Nebenbedingungen), welches durch die Entwicklung des „Erwarteten Volumengewinns“ (Expected Volume Gain: EVG) verwirklicht wurde. Dabei wird ein neuer Member (Satz von freien Variablen) gesucht, der, gemeinsam mit den gerade noch in Bewertung befindlichen Membern, den erwarteten Volumengewinn im Zielfunktionsraum zur aktuellen Paretofront maximiert (siehe Abbildung 2). Mit diesem Kriterium kann unter Datensätzen mit gleichem Paretorang der Datensatz mit maximal erwartetem Optimierungsfortschritt identifiziert werden. Ein weiterer großer Vorteil des EVG-Kriteriums ist die Verwendung von zusätzlichen Informationen. So fließen die Unsicherheiten für die Zielfunktionswerte eines Datensatzes, welche von den Antwortflächen geliefert werden, sowie die Information welche Datensätze aktuell bewertet werden in das EVG-Kriterium mit ein.
Abbildung 2: (Expected) Volume Gain am Beispiel zweier Zielfunktionen f1 und f2
Bei allen Anpassungen wird darauf geachtet, die Online-Steuerbarkeit von AutoOpti (Änderung von Zielfunktionen, Nebenbedingungen, Grenzen der freien Parameter während einer laufenden Optimierung) beizubehalten und weiter zu verbessern. AutoOpti hat mittlerweile einen hohen Reifegrad erlangt, so dass es nun auch in mehreren Industrieunternehmen erfolgreich eingesetzt wird.
Ausgewählte Publikationen:
Voß, C., Aulich M. und Raitor T.: Metamodel assisted aeromechanical optimization of a transonic centrifugal compressor, 15th International Symposium on Transport Phenomena and Dynamics of Rotating Machinery, ISROMAC-15, February 24 - 28, 2014, Honolulu, HI, USA
Aulich M., Voß, C. und Raitor T.: Optimization strategies demonstrated on a transonic Centrifugal compressor, 15th International Symposium on Transport Phenomena and Dynamics of Rotating Machinery, ISROMAC-15, February 24 - 28, 2014, Honolulu, HI, USA
Voß C.: Behandlung von Unsicherheiten in der Ersatzmodell gestützten Optimierung,2012, Probabilistik Workshop, Dresden
Aulich M. und Siller U.: High-dimensional constrained multi-objective optimization of a fan stage, ASME Turbo Expo 2011, Canada
Siller, U., Voß, C. und Nicke, E.: Automated Multidisciplinary Optimization of a Transonic Axial Compressor, 47th AIAA Aerospace Sciences Meeting 5 - 8 January, Orlando, Florida, USA, 2009
Voß, C. und Nicke, E.: Automatische Optimierung von Verdichterschaufeln, Abschlussbericht zum AG Turbo COOREFF-T Teilvorhaben 1.1.1 des Verbundprojektes „CO2-Reduktion durch Effizienz“, 2008
Weitere Veröffentlichungen finden Sie in der Veröffentlichungsliste der Abteilung Fan und Verdichter.