Advanced Technologies for High Energetic Atmospheric Flight of Launcher Stages
ATHEAt
Das DLR-Projekt ATHEAt erforscht Technologien für wiederverwendbare Raumtransportsysteme, die eine hohe Kosteneffizienz aufweisen. Ziel ist es, die Wiederverwendbarkeit von Trägerraketen zuverlässiger zu gestalten und Sicherheitsmargen zu verringern, um so die Wirtschaftlichkeit zu verbessern. Im Rahmen des Projekts werden die entwickelten Technologien sowohl in zwei Raumflügen als auch in einer Reihe von Bodentests praktisch erprobt.
Das Institut für Softwaretechnologie ist im Projekt ATHEAt zuständig für die Analyse ausgewählter Boden- und Raketenflugdaten mit Hilfe von Algorithmen aus dem Bereich der künstlichen Intelligenz (KI). Die Analyse gliedert sich in mehrere Detailaufgaben, die von der Auswertung optischer Messungen bis hin zur Erkennung von Anomalien in Flugdaten reichen.
Im Verlauf des Projekts werden verschiedene Windkanalexperimente durchgeführt, um die geplanten Höhenraketenstarts vorzubereiten. Abbildung 1 zeigt im oberen Teil ein solches Experiment mit einem kleinen Abschnitt der Vorderkante einer Raketenfinne im L2K-Windkanal. Dabei wird ein heißer Gasstrom von rechts auf die Vorderkante gerichtet, um Bedingungen zu erzeugen, die dem atmosphärischen Wiedereintritt entsprechen. In diesem Fall wurde die Finne aus einem Verbundmaterial gefertigt, das sich unter diesen extremen Bedingungen verformt, während an den Seiten geschmolzenes Material entsteht und abgelagert wird.
Windkanalexperiment zur Deformierung einer Raketenfinne
Im oberen Bild ist ein Windkanalexperiment in der L2K-Anlage zu sehen, bei dem ein heißer Gasstrom auf die Vorderkante einer Raketenfinne aus Verbundmaterial trifft, um die Bedingungen beim Wiedereintritt zu simulieren. Das Institut für Softwaretechnologie entwickelt Algorithmen, um die daraus resultierenden Deformationen und Materialaufschmelzungen zu analysieren. Das untere Bild zeigt eine Segmentierung der Videodaten, bei der jeder Pixel einem von sechs Bereichen zugeordnet wird: der Vorderkante (dunkelrot), geschmolzenem Material (orange), der vorderen, oberen und unteren Finnenfläche (grün, gelb bzw. hellblau) sowie dem Hintergrund (dunkelblau).
Credit:
DLR-Institut für Aerodynamik und Strömungstechnik, DLR-Institut für Softwaretechnologie
Das Institut für Softwaretechnologie entwickelt Algorithmen zur Analyse der dabei auftretenden Deformationen und Materialaufschmelzungen. Ziel ist es, Änderungen in der Form der Vorderkante sowie das Ausmaß und die Verteilung des geschmolzenen Materials quantitativ zu erfassen. Als ersten Schritt segmentieren wir die Bilddaten, um die verschiedenen Bereiche der Finne zu identifizieren und so eine detaillierte quantitative Analyse zu ermöglichen. Die untere Abbildung zeigt eine solche Segmentierung, bei der jeder Pixel eindeutig einem Bereich der Finne oder dem Hintergrund zugeordnet wird. Zur automatischen Erstellung dieser Segmentierungen setzen wir neuronale Netze auf Basis einer U-Net-Architektur ein. Die Unsicherheiten der so gewonnenen Detektionsergebnisse werden mit statistischen Methoden der Unsicherheitsquantifizierung bestimmt.
Neben diesen aerodynamischen Experimenten analysiert das Institut auch Verbrennungsexperimente mit hybriden Raketentreibstoffen. Im oberen Teil von Abbildung 2 ist ein Einzelbild aus einem Hochgeschwindigkeitsvideo eines solchen Tests zu sehen. Dabei wird ein fester Treibstoffblock in einer speziellen Brennkammer mit optischem Zugang platziert, während von rechts ein flüssiges Oxidationsmittel eingespritzt wird. Nach der Zündung wird der Verbrennungsprozess mit mehreren Sensoren, unter anderem einer Hochgeschwindigkeitskamera, aufgezeichnet.
Verbrennungstests eines hybriden Raketentreibstoffs
Das obere Bild zeigt ein Einzelbild aus einem Hochgeschwindigkeitsvideo eines hybriden Raketentreibstoff-Verbrennungstests. Ein fester Treibstoffblock verbrennt mit einem eingespritzten Oxidationsmittel und wird dabei optisch durch Fenster in der Brennkammer beobachtet. Das Institut für Softwaretechnologie entwickelt Algorithmen, um Verbrennungsinstabilitäten in solchen Videos zu erkennen. Das untere Bild zeigt das Ergebnis eines solchen Algorithmus: Für jeden Pixel wird die Abweichung vom erwarteten Farbwert auf Basis ähnlicher Videoframes berechnet und auf den Bereich [0, 1] normalisiert. Ein Wert von 1 steht für stark abweichendes Verhalten, 0 für erwartungsgemäßes Verhalten. Aufgrund der hohen Bildrate von 10 000 fps ist die Erkennung lokaler Abweichungen eine erhebliche rechnerische Herausforderung.
Credit:
DLR-Institut für Aerodynamik und Strömungstechnik, DLR-Institut für Softwaretechnologie
Das Institut für Softwaretechnologie entwickelt Algorithmen zur Erkennung von Verbrennungsinstabilitäten in diesen Videodaten. Dabei kommen sowohl dichtebasierte Verfahren als auch speziell angepasste neuronale Netze auf Basis von Autoencodern und Vision Transformern zum Einsatz. Die untere Abbildung zeigt das Ergebnis eines solchen Algorithmus, der Bildbereiche hervorhebt, deren Pixelverhalten vom Erwartungswert abweicht. Bei einer Aufzeichnungsrate von 10 000 Bildern pro Sekunde erfordert die Identifikation auch kleinster lokaler Abweichungen einen erheblichen Rechenaufwand.
