Optimierungsumgebung AutoOpti
Am Institut für Antriebstechnik entwickeln wir ein durchgängiges, numerisches Designsystem zur aeromechanischen Auslegung von Turbomaschinen-Komponenten.
Das Programmpaket zur automatisierten multidisziplinären Optimierung von Turbomaschinenkomponenten AutoOpti wird von der zweidimensionalen Profilaerodynamik bis hin zur dreidimensionalen multidisziplinären Optimierung mehrstufiger Konfigurationen eingesetzt. Der Kern der Optimierungsalgorithmen für Aerodynamik, Mechanik, Aeroelastik und Akustik basiert auf der Evolutionsstrategie, die eine simultane Verbesserung mehrerer Zielfunktionen und die Einhaltung vieler Nebenbedingungen erlaubt. Die Robustheit und die Möglichkeit, lokale Minima zu überwinden, bleiben erhalten. Die moderate Konvergenzgeschwindigkeit wird durch hardwarenahe Beschleunigungsverfahren und insbesondere durch Antwortflächen (Metamodelle) auf ein für die industrielle und Forschungspraxis notwendiges Niveau angehoben. Die Antwortflächen (Neuronale Netze und Kriging) können nun auch Gradienteninformationen der Zielfunktionale berücksichtigen, eine Voraussetzung für den effektiven Einsatz von adjointTRACE in der Prozesskette.
Neuronale Netze und/oder Kriging-Modelle approximieren auf Basis der in der Datenbank vorhandenen Ergebnisse die Zusammenhänge zwischen Zielfunktionen und freien Designparametern. Anschließend erfolgt eine temporäre Optimierung auf diesen Antwortflächen und nur die erfolgversprechendsten Datensätze werden an die numerisch aufwändige Prozesskette übergeben.
Für eine anwenderfreundliche Nutzung der Ersatzmodelle wurden diese in den Wurzelprozess des Kernoptimierers integriert. Allerdings wird nun ein einheitliches Optimalitätskriterium für alle Optimierungen auf den Ersatzmodellen benötigt, welches durch die Entwicklung des „Expected Volume Gain“ (EVG) realisiert wurde. Dabei wird ein neues Mitglied gesucht, das zusammen mit den noch in der Bewertung befindlichen Mitgliedern den erwarteten Volumengewinn im Zielfunktionsraum an der aktuellen Paretofront maximiert. Mit Hilfe dieses Kriteriums kann unter den Datensätzen mit gleichem Paretorang derjenige mit dem maximal zu erwartenden Optimierungsfortschritt identifiziert werden. Ein weiterer großer Vorteil des EVG-Kriteriums ist die Nutzung zusätzlicher Informationen. So fließen die Unsicherheiten für die Zielfunktionswerte eines Datensatzes, die durch die Antwortflächen geliefert werden, sowie die Information, welche Datensätze aktuell bewertet werden, in das EVG-Kriterium ein.
Bei allen Anpassungen wird darauf geachtet, dass die Online-Steuerbarkeit von AutoOpti, wie zum Beispiel die Änderung von Zielfunktionen, Nebenbedingungen und Grenzen der freien Parameter während einer laufenden Optimierung, erhalten bleibt und weiter verbessert wird. AutoOpti hat mittlerweile einen hohen Reifegrad erreicht und wird in mehreren Industrieunternehmen erfolgreich eingesetzt.