Automatisierte Betriebspunktoptimierung des Stuttgarter Höhenprüfstandes in Hinblick auf die Energieeffizienz
Seiten
2023
Dr. Hut (Verlag)
978-3-8439-5247-7 (ISBN)
Dr. Hut (Verlag)
978-3-8439-5247-7 (ISBN)
- Keine Verlagsinformationen verfügbar
- Artikel merken
Um eine Erderwärmung von 2°C relativ zum vorindustriellen Niveau zu verhindern, ist eine starke Reduktion aller industriellen Emissionen und eine Effizienzsteigerung der gesamten Wertschöpfungskette notwendig. Der Höhentest als Teil des Entwicklungsprozesses von Triebwerken bietet deutliches Potential zur Steigerung der Energieeffizienz.
Zur Realisierung einer automatisierten Betriebspunktoptimierung wird der Ansatz der selbstoptimierenden Systeme mit Online-Prozessanbindung und Rückführung der optimierten Variablen in den Prozess aus dem Bereich der prozesstechnischen Anlagen um die automatisierte Erkennung der Anlagenkonfiguration erweitert. Die Methodik wird am Beispiel des Höhenprüfstandes der Universität Stuttgart ausgearbeitet und unter Nutzung realer Versuchsfälle der betrachteten Anlage in Hinblick auf ihre Funktionalität untersucht.
Die aktiven Anlagenteile werden mithilfe eines Expertensystems erkannt und aus deren Subsystemmodellen die Zielfunktion gebildet. Zur Bestimmung des Massenstromes als Eingangsgröße für die Modelle werden die Charakteristika der Regelklappen genutzt. Die experimentelle Charakterisierung zeigt die Abhängigkeit des Durchflusskoeffizienten von der Einbausituation und den Zuströmbedingungen im jeweiligen Betriebsmodus des Prüfstandes. Vier evolutionäre Algorithmen werden hinsichtlich ihrer Performance an zwei beispielhaften Testkonfigurationen des Höhenprüfstandes verglichen und der Algorithmus MOEA/D für die Implementierung ausgewählt. Für die betrachtete Anlage kann geschlussfolgert werden, dass beim Betrieb mehrerer Verdichter in Reihenschaltung das Druckverhältnis der hinteren Verdichter für einen energieeffizienten Betrieb möglichst hoch gewählt werden sollte.
Zur Realisierung einer automatisierten Betriebspunktoptimierung wird der Ansatz der selbstoptimierenden Systeme mit Online-Prozessanbindung und Rückführung der optimierten Variablen in den Prozess aus dem Bereich der prozesstechnischen Anlagen um die automatisierte Erkennung der Anlagenkonfiguration erweitert. Die Methodik wird am Beispiel des Höhenprüfstandes der Universität Stuttgart ausgearbeitet und unter Nutzung realer Versuchsfälle der betrachteten Anlage in Hinblick auf ihre Funktionalität untersucht.
Die aktiven Anlagenteile werden mithilfe eines Expertensystems erkannt und aus deren Subsystemmodellen die Zielfunktion gebildet. Zur Bestimmung des Massenstromes als Eingangsgröße für die Modelle werden die Charakteristika der Regelklappen genutzt. Die experimentelle Charakterisierung zeigt die Abhängigkeit des Durchflusskoeffizienten von der Einbausituation und den Zuströmbedingungen im jeweiligen Betriebsmodus des Prüfstandes. Vier evolutionäre Algorithmen werden hinsichtlich ihrer Performance an zwei beispielhaften Testkonfigurationen des Höhenprüfstandes verglichen und der Algorithmus MOEA/D für die Implementierung ausgewählt. Für die betrachtete Anlage kann geschlussfolgert werden, dass beim Betrieb mehrerer Verdichter in Reihenschaltung das Druckverhältnis der hinteren Verdichter für einen energieeffizienten Betrieb möglichst hoch gewählt werden sollte.
| Erscheinungsdatum | 13.04.2023 |
|---|---|
| Reihe/Serie | Luftfahrt |
| Verlagsort | München |
| Sprache | deutsch |
| Maße | 148 x 210 mm |
| Gewicht | 188 g |
| Themenwelt | Technik ► Luft- / Raumfahrttechnik |
| Schlagworte | Höhenprüfstand • Mehrzieloptimierung • Triebwerkstest |
| ISBN-10 | 3-8439-5247-7 / 3843952477 |
| ISBN-13 | 978-3-8439-5247-7 / 9783843952477 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Prozessautomatisierung, Bioverfahrenstechnik, Advanced Process …
Buch | Softcover (2025)
De Gruyter Oldenbourg (Verlag)
CHF 76,90
Grundlagen, Mathematik, Kartenkunde, leistungsbasierte Navigation
Buch | Softcover (2022)
De Gruyter Oldenbourg (Verlag)
CHF 102,10
Learning-Based BI-Level Models and Algorithms
Buch | Softcover (2025)
De Gruyter (Verlag)
CHF 125,90
