Modulbeschreibung

Aerodynamik von LKWs mit Finite Volumen- und Lattice-Boltzman Methoden

ECTS-Punkte:
18
Lernziele:

Die Studierenden

  • sind in der Lage transiente, aerodynamische Strömungsmechanik-Probleme im mit einem FV-Sovler (z.B. Ansys CFX) und einem Lattice-Boltzmann-Solver durchzuführen und auszuwerten. 
  • sind in der Lage, verschiedene Einflussfaktoren für den Strömungswiderstand eines umströmten Körpers zu identifizieren und zu analysieren, insbesondere der Turbulenzgrad der einströmenden Luft, der Einfluss des Untergrundes und der sich drehenden Reifen.
  • sind in der Lage, die Resultate des FV-Solvers mit denen eines Lattice-Boltzman-Solvers und mit Literaturwerten umströmter Körper zu vergleichen. Der Lattice-Boltzmann-Solver (z.B. Ansys Discovery) soll auf einem GPU-Cluster installiert werden.
  • sind in der Lage, die Simulationen mit einem Gradienten-basierten Optimierungsverfahren zu koppeln, um optimale Geometrien für eine bestimmte Strömungsform zu bekommen.
  • verstehen die verwendeten Methoden, insbesondere die Formulierung der Strömungsmechanik als Finite-Volumen-Problem, die Boltzmann-Gleichung als auch die verwendeten Optimierungsverfahren.
  • sind in der Lage, englische Fachpublikationen und Paper zu lesen, deren Inhalte nachzuvollziehen und umzusetzen.

Kurse in diesem Modul

Strömungsoptimierung von LKWs:

Die obigen Ziele werden anhand von praktischen Aufgabenstellungen erarbeitet, beispielsweise:

  • Entwickeln eines parametrisierten 3D-FV-Modells für die Berechnung des Strömungswiderstandes eines LKWs
  • Entwickeln eines parametrisierten 3D-Modells für die Berechnung des Strömungswiderstandes eines LKWs mittels der Lattice-Boltzmann-Methode
  • Optimierung der Strömungsgeometrie mittels Gradienten-basierter Optimierungsverfahren.
  • Vergleich der Resultate der FV-Lösung mit jenen der Lattice-Boltzmann-Methode, Vergleich der Strömungswiderstände von einfachen umströmten Körpern mit Literaturwerten.
  • Einsatz von GPUs zum effizienten Berechnen der Strömungsfelder 
Projekt mit undefined Lektionen pro Woche
Optimierungsmethoden:
  • Gradienten-basierte Optimierung
  • Verfahren erster und zweiter Ordnung
  • Newton-Verfahren
  • Stochastic Gradient Descent
  • Momentum-Verfahren: RMSProp, Adams
Selbststudium mit undefined Lektionen pro Woche
Disclaimer

Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.