Verbundvorhaben: 3D-ML-CREEP - Entwicklung einer Echtzeitbewertung des Hochtemperatur-Deformationsverhaltens von Komponenten thermischer Maschinen und Anlagen mittels Machine-Learning; Teilvorhaben: Anwendung und Implementierung auf Turbinenschaufeln
Zeitraum
2021-07-01 – 2024-09-30
Bewilligte Summe
226.167,24 EUR
Ausführende Stelle
Förderkennzeichen
03EE5077A
Leistungsplansystematik
Fortgeschrittene Kraftwerkssysteme - Kraftwerke mit Null Emissionen [EA1325]
Verbundvorhaben
01232748/1 – 3D-ML-CREEP - Entwicklung einer Echtzeitbewertung des Hochtemperatur-Deformationsverhaltens von Komponenten thermischer Maschinen & Anlagen mittels Machine-Learning
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE5)
Förderprogramm
Energie
Die Entwicklung und Etablierung von Technologien, welche die Maximierung der Reaktionsschnelligkeit von am aktuellen und künftigen Energie-Mix beteiligten Maschinen und Prozessen im Fokus haben, ist der Schlüssel für eine erfolgreiche Energiewende. Ziel dieses Vorhabens ist es, Methoden des Machine-Learnings zu nutzen, um relevante Wirkzusammenhänge des Werkstoffverhaltens anzutrainieren und durch ein so geschaffenes Ersatzmodell die Hochtemperaturwerkstoffantwort in Echtzeit für die praktische Anwendung bewertbar zu machen. Die Hauptziele lauten: 1. Design und Entwicklung einer Machine-Learning Architektur, die in der Lage ist, die Hochtemperaturwerkstoffantwort 'Kriechen' auf Basis von bereitzustellenden Trainingsdaten zu reproduzieren 2. Entwicklung eines maschinenlesbaren und parametrisierten Pools an Werkstoffdaten und Komponentengeometrien als Modelleingangsdaten sowie zur abgesicherten Untersuchung der Robustheit und Validität 3. Praktische Bereitstellung und Absicherung eines Machine-Learning basierten Ersatzmodells ('Digitaler Zwilling') mit welchem sich die Hochtemperaturwerkstoffantwort 'Kriechen' für dreidimensionale Bauteilstrukturen in Echtzeit präzise synthetisieren lässt.