Masterand/in Luft- und Raumfahrttechnik, Maschinenbau, Strömungsmechanik o. ä. (w/m/d) - Maschinelles Lernen zur Modellierung der Verbrennungschemie

Jobangebot - Masterand/in Luft- und Raumfahrttechnik, Maschinenbau, Strömungsmechanik o. ä. (w/m/d) - Maschinelles Lernen zur Modellierung der Verbrennungschemie

• Beschäftigungsart:	Bachelor-/ Masterarbeit
  Arbeitgeber:	Deutsches Zentrum für Luft- und Raumfahrt (DLR) Firmenprofil
  Jobdatum:	18. März 2021
  Fachbereiche:	Ingenieurwissenschaften: Allg. Ingenieurwissenschaften, Luft- und Raumfahrttechnik, Maschinenbau Naturwissenschaften: Chemie
  Einsatzort:	Köln; Nordrhein-Westfalen Map zeigen

  Connecticum Job-Nr. 1365550

  Bookmark Studien-/ Abschlussarbeit Maschinelles Lernen zur Modellierung der Verbrennungschemie für die Simulation komplexer Triebwerksströmungen Masterand/in Luft- und Raumfahrttechnik, Maschinenbau, Strömungsmechanik o. ä. (w/m/d) Numerische Simulation einer turbulenten Spray-Flamme Beginn 5. April 2021 Dauer ca. 6 Monate Vergütung bis Entgeltgruppe 5 TVöD Beschäftigungsgrad Vollzeit Ihre Mission: Die Abteilung Brennkammer des Instituts für Antriebstechnik beschäftigt sich wissenschaftlich mit kritischen Phänomenen in der Triebwerksbrennkammer. Dabei kooperiert die Abteilung eng mit den europäischen Triebwerksherstellern im Bereich Technologieentwicklung für zukünftige schadstoffarme Triebwerke. Um die vielfältige Interaktion von Strömung, chemischer Reaktion und Wärmeübergang besser verstehen zu können, werden sowohl experimentelle, als auch numerische Verfahren eingesetzt. Neben dem Betrieb experimenteller Versuchsanlagen, liegt ein besonderer Schwerpunkt in der Anwendung und Entwicklung numerischer Simulationsverfahren. Numerische Simulationsverfahren ermöglichen neue Produktentwicklungen schneller und effizienter umzusetzen, während die gute Zugänglichkeit der Simulationsergebnisse eine tiefgehende wissenschaftliche Analyse der physikalischen Prozesse erlaubt. Die stetig steigende Rechenleistung ermöglicht die Anwendung immer genauerer Modelle und eine verbesserte Vorhersagegenauigkeit auch für komplexe, technisch relevante Anwendungsfälle. Die Verbrennungskinetik ist dabei einer der limitierenden Modellierungsaspekte mit Hinblick auf die Rechenkosten. Neben der sehr aufwändigen finite Raten Chemie, existieren recheneffiziente Ansätze bei denen beispielsweise die Verbrennungschemie vor der Simulation tabelliert und währenddessen mittels Kontrollvariablen aufgerufen wird. Ein alternativer Ansatz mit großem Potential für die effiziente Modellierung der Verbrennungskinetik besteht in der Anwendung von maschinellem Lernen. Im Rahmen dieser Arbeit soll der Einsatz von maschinellem Lernen für die Modellierung der Verbrennungschemie untersucht werden. Dazu sollen zunächst verschiedene Methoden zur Ersetzung von herkömmlichen Modellierungsansätzen durch maschinelles Lernen mit Hilfe einer Literaturrecherche identifiziert und bewertet werden. Im Anschluss soll ein neuronales Netzwerk mittels geeignetem Trainingsdatensatz erstellt und validiert werden. Durch die Auswahl und Durchführung geeigneter Tests in 1D und 2D (3D) Konfigurationen erfolgt die Analyse des entwickelten Ansatzes im Vergleich zum bestehenden Verbrennungsmodell. Ein wichtiger Aspekt bei der Untersuchung ist die Beurteilung der Lösungsgenauigkeit. Abschließend soll eine Bewertung der entwickelten Methodik durchgeführt und Empfehlungen für weitere Entwicklungen gegeben werden. Ihre Aufgaben im Rahmen dieser studentischen Tätigkeit sind: Literaturstudie zur Anwendung maschinellen Lernens in Strömungssimulationen mit Fokus auf die Modellierung der Verbrennungschemie Erstellung und Training eines neuronalen Netzwerkes Demonstration der erfolgreichen Kopplung von neuronalem Netzwerk mit CFD-Löser Definition und Konfiguration geeigneter Testfälle in 1D und 2D (3D) Bewertung der Simulationsgenauigkeit im Vergleich zum vorhandenen Verbrennungsmodell in TRACE Ihre Qualifikation: laufendes Studium (Master) der Ingenieurswissenschaften mit Schwerpunkt Luft-und Raumfahrttechnik, Maschinenbau, Strömungsmechanik, oder für die Tätigkeit ähnlich relevante Studienrichtung Kenntnisse im Bereich des maschinellen Lernens und entsprechender Software (idealerweise PyTorch oder TensorFlow) Vorkenntnisse in der Strömungsmechanik, Thermodynamik und Verbrennung Erfahrungen in der der Durchführung und Auswertung numerischer Strömungssimulationen Erfahrungen in der Entwicklung skriptbasierter Auswertungsprozessketten (vorzugsweise in Python) gute Englischkenntnisse selbständige und verantwortungsbewusste Arbeitsweise Ihr Start: Freuen Sie sich auf einen Arbeitgeber, der Ihr Engagement zu schätzen weiß und Ihre Entwicklung durch vielfältige Qualifizierungs- und Weiterbildungsmöglichkeiten fördert. Unser einzigartiges Arbeitsumfeld bietet Ihnen Gestaltungsfreiräume und eine unvergleichbare Infrastruktur, in der Sie Ihre Mission verwirklichen können. Vereinbarkeit von Privatleben, Familie und Beruf sowie Chancengleichheit von Personen aller Geschlechter (w/m/d) sind wichtiger Bestandteil unserer Personalpolitik. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.