Assimilierung von wandnähen turbulenten Strömungen mit physikinformierten neuronalen Netzen auf der Grundlage unvollständiger experimenteller Daten

• Antragsteller: Professor Dr.-Ing. Julien Weiss
• Fachliche Zuordnung: Strömungsmechanik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 585783452

Das vorgeschlagene Projekt befasst sich mit der Entwicklung von Physics Informed Neural Networks (PINNs) zur Verbesserung der experimentellen Messung von wandnahen aerodynamischen Strömungen. In Windkanälen werden derzeit oft Geschwindigkeitsfeldmessungen mit PIV (Particle Image Velocimetry) oder PTV (Particle Tracking Velocimetry) durchgeführt. Diese Methoden sind inzwischen gut etabliert und liefern nützliche Geschwindigkeitsdatenbanken für turbulente aerodynamische Strömungen. Dennoch sind mehrere Nachteile bekannt, wie z. B. die schlechte Auflösung und die relativ große Unsicherheit in Wandnähe. Um diese Probleme anzugehen, planen wir die Entwicklung eines PINN-Rahmens, der in der Lage ist, turbulente wandnahe Strömungen aus typischen Windkanalmessungen mit PIV und PTV zu assimilieren. Dies soll durch eine systematische Studie erreicht werden, die sich mit den wichtigsten Herausforderungen bei der Turbulenzmodellierung, der Datenassimilation und der Behandlung instationärer, getrennter Strömungen befasst. Das Projekt gliedert sich in drei Phasen, die schrittweise an Komplexität zunehmen und sich jeweils mit spezifischen Forschungsfragen befassen: (1) Auswahl geeigneter Turbulenzmodelle, (2) Ausgleich mehrerer Verlustterme und (3) Behandlung der Dynamik instationärer, getrennter Strömungen. In jedem Fall wird ein Modell-Benchmarking sowohl anhand synthetischer als auch anhand realer experimenteller Messungen durchgeführt. Am Ende des Projekts erwarten wir die Entwicklung einer robusten Methode zur Verbesserung von Geschwindigkeitsmessungen mit moderner laserbasierter Strömungsmesstechnik.

• DFG-Verfahren: Sachbeihilfen