Advancement of simulation acceleration for process applications (A.S.A.P.)
Einleitung
Die Beschleunigung von Simulationen ist ein Schlüssel zur Verbesserung von metallurgischen Prozesssimulationen, da diese häufig große Zeitspannen oder Geometrien und damit erhebliche Rechenkosten beinhalten. Das übergreifende Ziel dieses Projektes ist es, an der Weiterentwicklung von Simulationsmethoden zu arbeiten und zu einer besseren praktischen Anwendbarkeit von CFD-, DEM- oder FE-Simulationen beizutragen.
Im Bereich der CFD-Simulationen ist die Weiterentwicklung von „Recurrence CFD“ (rCFD) geplant. Ziel ist es, einen anwendbaren Workflow von State-of-the-Art-CFD-Simulationen hin zu echtzeitfähigen rCFD-Simulationen zu etablieren, die im Rahmen der letzten Förderperiode entwickelt wurden. Darüber hinaus werden weitere Methoden für neue, lokal beschleunigte Simulationsalgorithmen erprobt, die den Schwerpunkt auf einer automatisierten Suche nach rekurrenten Mustern auf lokaler Ebene legen, z.B. mittels Fourier-Methoden. Im Falle der FE-Simulationen wird die Entwicklung einer numerischen Methodik zur Beschleunigung von Feststoff-Simulationen von Feuerfestmaterial durchgeführt, die auf maschinellem Lernen basiert. Dabei wird auf die zukünftige Realisierung eines digitalen Zwillings von Auskleidungssystemen aus Feuerfestmaterial hingearbeitet.
Ziele und Motivation
Erstellung einer Serie von CFD-Simulationen der Mehrphasenströmung in gängigen metallurgischen Prozessen als Validierungsbasis für neuartige rCFD-Simulationen, um die Möglichkeiten und noch bestehenden Grenzen dieser Methode zu erkunden
Anpassungen und Weiterentwicklungen von rCFD im Rahmen einer gründlichen Überprüfung der Simulationsergebnisse (möglicherweise erforderliche Kalibrierung von lokalen Diffusions- und Quelltermen)
Anwendung des neuen rCFD-Workflows auf metallurgische Prozesse von Argon-Sauerstoff-Entkohlungsprozessen im Konverter bis zu Strömungen im Strangguss-Gießrohr und -Verteiler
Lokale Beschleunigung von Simulationsalgorithmen unter Berücksichtigung von wiederkehrenden Mustern auf lokaler Ebene, d. h. pro Zelle oder pro Bereich, anstatt auf dem gesamten Berechnungsgebiet
Untersuchung von CFD-Strömungen in einfachen Geometrien als Anwendungsfall für die frühe Entwicklungsphase, sowie Vergleich und mögliche Kombination mit rCFD-Ergebnissen
Anwendung verschiedener maschineller Lerntechniken für eine optimierte Vorhersage der Randbedingungen für die nächste Stufe der Finite-Elemente-Modellierung
Entwicklung eines einheitlichen Modells der Materialzusammensetzung, das die gleichzeitige Beschreibung des irreversiblen Verhaltens unter Zug- und Scherspannung sowie Kriechdehnung ermöglicht
Untersuchung des Ruhrstahl-Heraeus (RH)-Entgasungsgefäßes und Anleitung zur Optimierung der Auskleidung mit Feuerfestmaterial
Kompressionskriechprüfgerät (© Montanuniversität Leoben, MUL-COC)
Vorgehensweise
Mehrphasige CFD- und rCFD-Simulationen für verschiedene Betriebsbedingungen und geometrische Konfigurationen
Validierung von rCFD-Simulationen durch numerische Experimente
Spektralanalysen für abhängige Simulationsvariablen (Druck, Geschwindigkeit, Turbulenzvariablen usw.) mittels Fast Fourier Transformation (FFT)
Einsatz von maschinellem Lernen zur Optimierung der FFT-Implementierung und Aufbau eines hybriden Simulationsmodells zur lokalen Beschleunigung von CFD-Simulationen
Einsatz der Finite-Elemente-Methode (FE) und des maschinellen Lernens (ML) für die Projektarbeit
Entwicklung von Modellen der Materialzusammensetzung für Auskleidungen aus Feuerfestmaterial und Implementierung in das kommerzielle FE-Programm ABAQUS
Anwendung des einheitlichen Materialmodells bei der Simulation eines ausgewählten Auskleidung