Physikalisch informierte und Operator-Learning-Modelle für Kavitationsprozesse in Ultraschallreinigungssystemen

• Antragsteller: Dr.-Ing. Yu Jiao
• Fachliche Zuordnung: Strömungsmechanik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576724787

Das zentrale Ziel dieses Projekts besteht darin, Surrogatmodelle zu entwickeln, die schnelle, zuverlässige und physikalisch konsistente Vorhersagen zentraler Leistungskennzahlen der Ultraschallreinigung ermöglichen – insbesondere der Verteilungen des akustischen Feldes und der Oberflächendruckbelastungen in der Nähe der zu reinigenden Komponenten. Beispielsweise liefern die Surrogatmodelle bei Vorgabe von Eingangsparametern wie akustischer Intensität, Anregungsfrequenz, Wandlerkonfiguration und Positionierung der Komponente eine schnelle Vorhersage des resultierenden akustischen Feldes und der Oberflächendruckbelastungen. Diese Ausgaben dienen als entscheidende Kennwerte zur Bewertung der Reinigungseffizienz, während sie die Rechenkosten im Vergleich zu vollständig aufgelösten Simulationen um Größenordnungen reduzieren. Letztlich wird das Surrogatmodell die inverse Auslegung von Wandlerkonfigurationen und wesentlichen Betriebsparametern – wie Anregungsfrequenz und Positionierung – ermöglichen und so zu einer verbesserten Reinigungsleistung sowie einer breiteren industriellen Anwendbarkeit beitragen. Konkret ist dieses Projekt in drei zentrale Arbeitspakete (WP, work package) gegliedert: WP1: Hochaufgelöste Simulation der Akustik- und Blasendynamik innerhalb eines reduzierten Parameterraums, WP2 & WP3: Surrogatmodellierung zur Echtzeitvorhersage von akustischen Feldern und Blasendynamik, WP4: Prozessoptimierung und praxisorientierte Empfehlungen.

• DFG-Verfahren: WBP Stelle