Der unbeabsichtigte Luftaustausch durch die Gebäudehülle ist eine der wesentlichen Quellen für Wärmeverluste in Gebäuden und deren Energieverbrauch. Die Quantifizierung und Identifikation einzelner Leckagen in der Gebäudehülle ist mit Stand-der-Technik Verfahren bisher anspruchsvoll, zeitaufwändig und hängt stark von der Erfahrung des jeweiligen Energieberaters ab. Das schnelle und sichere Auffinden von Leckagen spielt allerdings eine entscheidende Rolle bei einer zügigen und großflächigen Sanierung von Bestandsgebäuden. In diesem Projekt soll ein Messsystem sowie eine dafür geeignete Ultraschallquelle entwickelt werden, mit dem Ziel, Leckagen in Gebäudehüllen schnell und für Bewohner möglichst störungsfrei zu identifizieren. Das System basiert auf der Kombination von Schallquellenortung mittels Mikrofon-Array-Technologie ('Akustische Kamera') und Infrarotthermografie. Durch die kombinierte Auswertung von Akustik und Thermografie können die Vorteile beider Verfahren kombiniert und die spezifischen Nachteile der einzelnen Verfahren verringert werden. Im Labor wird untersucht, wie mit dieser Methode die energetische Relevanz (Luftaustauschrate) verschiedener Leckagen bestimmt werden kann. Entwicklungsbegleitende Tests an Sanierungsbaustellen sollen Praxisanforderungen gewährleisten und zu einer Beschleunigung der Prozesse der seriellen Gebäudesanierung führen. Abschließend ist ein Ergebnisvergleich des Systems mit einer professionellen Luftdichtheitsprüfung nach Stand der Technik geplant. SONOTEC fokussiert sich im Rahmen des kombinierten Prototyps des Messsystems auf die Entwicklung der Hardware der Ultraschallquelle.
Das Teilvorhaben zielt auf die Entwicklung und Implementierung von Technologien ab, um die Reaktionsgeschwindigkeit von Gasturbinen im Kontext des aktuellen und zukünftigen Energiemixes zu optimieren, was für den Erfolg der Energiewende entscheidend ist. Die Herausforderung besteht darin, schnell Designlösungen anzupassen und zu bewerten, um neue Anforderungen, wie etwa Last- und Brennstoffflexibilität (z.B. H2-Mix), zu erfüllen und gleichzeitig Entwicklungszeiten zu verkürzen. Aktuell sind Finite-Elemente-Analysen (FEA) für die Lebensdauervorhersage von Turbinenschaufeln zeitaufwendig, was eine schnelle Anpassung an geänderte Anforderungen verhindert. Das Projekt adressiert diese Problematik, indem es fortschrittliche Algorithmen, maschinelles Lernen (ML) und optimierte Simulationsmethoden integriert, um die Rechenzeit für FEA signifikant zu reduzieren und genauere Lebensdauervorhersagen zu ermöglichen. Dies beinhaltet das Erstellen von Ersatzmodellen basierend auf neuronalen Netzwerken, die thermomechanische Effekte vorhersagen können und die Berechnungszeit von Tagen auf Minuten reduzieren. Die Hauptziele umfassen die Optimierung der Reaktionsgeschwindigkeit, Effizienzsteigerung der Designprozesse, Reduktion der Rechenzeit, genauere Lebensdauervorhersagen, Erhöhung der Anpassungsfähigkeit, Integration von nichtlinearem Materialverhalten in multidisziplinäre Optimierung und die systematische Bewertung von gefertigten Bauteilen. Risiken des Vorhabens schließen Datenqualität, Modellkomplexität, Integration und Anpassung des ML-Modells, sowie die Notwendigkeit von leistungsfähiger Hardware ein. Datenschutz, Modellvalidierung und -wartung sowie die Abhängigkeit von Expertenwissen sind ebenfalls zu beachten. Öffentliche Förderung ist für die Realisierung des Projekts unerlässlich, um diese Risiken zu minimieren und die ambitionierten Ziele zu erreichen.
Zielsetzung: Das Wachstum von Fischpopulationen und oekonomische Zielfunktionen sind zu modellieren, um moeglichst effiziente Fangstrategien zu entwickeln. Die Effekte von Variationen bei Umgebungsparametern sind in Computersimulationen zu untersuchen. Arbeitsprogramm: 1) Modellbildung im biologisch-oekonomischen Bereich; 2) Entwicklung numerischer Verfahren zur Bestimmung optimaler Loesungen; 3) Implementierung einer geeigneten Simulationsumgebung am Computer; 4) Parametervariationen und -analysen.