Um das Potenzial moderner Gasturbinen voll auszuschöpfen, sind weitere Auslegungsschritte zur Optimierung des Betriebsverhaltens notwendig. In diesem Zusammenhang stellt auch die Möglichkeit alternativer Brennstoffe wie Wasserstoff neue Anforderungen an Gasturbinen. In unserer Forschung nutzen wir Methoden des maschinellen Lernens, um mathematische Modelle verschiedener Komponenten des Verbrennungssystems zu erstellen, die zur Analyse und Optimierung verwendet werden können. Mit den teilnehmenden Studierenden wollen wir den neuen Ansatz des Cluster-Based network modeling verfolgen, um experimentelle Strömungsdaten aus einer Brennkammer zu analysieren und auszuwerten. Dazu geben wir eine Einführung in die Methode sowie in Verbrennungstechnik allgemein. Im anschließenden Projektorientierten Teil der Veranstaltung sollen die Teilnehmenden dann in Kleingruppen die Methode auf komplexere Daten anwenden.

Teilnehmende bringen idealerweise fundiertens mathematisches Grundlagenwissen mit. Darüber hinaus sind Grundkenntnisse in der Programmierung (idealerweise Python) sehr empfehlenswert. Kenntnisse in den Bereichen Strömungsdynamik, Verbrennung oder Machine Learning können von Vorteil sein, sind aber keine zwingende Voraussetzung. Das Modul kann im freien Wahlbereich mit 6 ECTS angerechnet werden. Die Anmeldung erfolgt per Mail an uns (xstudent(at)fd.tu-berlin.de).. Wenn ihr Fragen habt, beantworten wir sie auch gerne per Mail.

Wir freuen uns auf euch!