Optimierung von Turbulenzmodellen für Innenkühlungssysteme von Gasturbinen-schaufeln mittels CFD-integriertem maschinellen Lernen

• Antragsteller: Professor Dr.-Ing. Bernhard Weigand
• Fachliche Zuordnung: Strömungs- und Kolbenmaschinen
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 567311830

Die Hauptziele bei der Entwicklung industrieller Gasturbinen und Fluggasturbinen sind die Reduktion des Treibstoffverbrauchs sowie des Schadstoffausstoßes. Dies kann z. B. durch die Erhöhung des thermischen Wirkungsgrades der Gasturbine mittels einer Erhöhung der Prozesstemperatur erreicht werden. Die Brennkammer- und die erhöhte Turbineneintrittstemperaturen liegen allerdings heutzutage weit oberhalb der Schmelztemperatur des Schaufelmaterials. Dies macht nun die Entwicklung sehr effizienter interner Turbinenschaufelkühlungsstrategien notwendig. Gegenwärtig werden verschiedene interne Kühlkonzepte intensiver untersucht wie z.B. berippte Kanäle, umströmte Zylinder, Prallstrahlen, Dimples und Zyklonkühlkammern. Die Berechnung solcher komplexer, dreidimensionaler Kühlkanäle, die turbulent durchströmt werden, ist eine große Herausforderung, die von heutigen Turbulenzmodellen nur bedingt gemeistert werden kann. Zur Optimierung solcher Innenkühlsysteme werden deshalb verbesserte Turbulenzmodelle benötigt. Hierbei müssen, wegen der hohen vorherrschenden Reynoldszahlen und der sehr komplexen dreidimensionalen Innenkühlungsgeometrien von Schaufeln, immer noch RANS basierte Methoden eingesetzt werden, um die Strömung und den Wärmeübergang in solchen Systemen zu berechnen. In den letzten Jahren wurde speziell in diesem Bereich eine sehr große Hoffnung in die Anwendung maschineller Lernverfahren zur Verbesserung traditioneller Turbulenzmodelle gesetzt. Für hochkomplexe Innenkühlsysteme konnte eine solche Verbesserung bislang aber nur bedingt gezeigt werden. Im Rahmen dieses Forschungsvorhabens sollen nun erstmals aufeinander abgestimmte, datengetriebene Impuls- und Temperaturschließungsmodelle speziell für die Anwendung im Kontext der internen Kühlung von Gasturbinenschaufeln entwickelt werden. Diese Modelle bestehen aus algebraischen Gleichungen für die Reynoldsspannungen und den Skalarflussvektor und aus Transportgleichungen für die turbulenten Skalen. Zur Anpassung von den Modellen sollen sämtliche darin auftretende Koeffizienten vom lokalen Strömungszustand abhängen und die dazugehörigen Funktionen durch ein einziges neuronales Netz beschrieben werden. Da eine a priori Optimierung eines solchen neuronalen Netzes nicht zielführend ist, wird in diesem Vorhaben eine CFD-integrierte Trainingsmethode zur Anwendung kommen, um die Stabilität des Modells und damit auch seine a posteriori Güte sicherzustellen. Die erhaltenen Modelle werden für verschiedene Testfällen unterschiedlicher Komplexität trainiert und validiert. Die Güte der Modellierung wird anschließend an komplexen Zweikühlpasskühlsystemen getestet, für die bereits ausreichend experimentelle Daten zum Vergleich vorhanden sind. Die hier erhaltenen Modelle und die erarbeitete Methode sind dann natürlich auf andere komplexen 3D Kühlungsprobleme übertragbar, sofern eine Ähnlichkeit in der Geometrie und der Reynoldszahl und der Prandtlzahl besteht.

• DFG-Verfahren: Sachbeihilfen