Turbulente, also verwirbelte Strömungen verursachen Lärm beim Durch- oder Umströmen von Objekten (z.B. in Rohrleitungen, aber auch an Turbinen, Ventilatoren, Fahr- und Flugzeugen etc.). Gleichzeitig bringen Verwirbelungen auch Energieverluste mit sich, so dass eine Reduktion von Lärm in der Regel auch mit einer verbesserten Energieeffizienz einhergeht.
Um beim Geräte- und Anlagendesign Lärm von Beginn an zu minimieren, muss die Position der Lärmquellen und die Lautstärke bereits in der Entwicklung oder Vorentwicklung analysiert werden. Dafür werden aufwändige, 3-dimensionale Simulationen des zeitlichen Verlaufs von Strömung und Schall nötig.
Ansätze der Künstlichen Intelligenz (KI) bieten inzwischen die Möglichkeit, aus einer vorhandenen Zeitserie maschinell zu lernen und dadurch die Zeitserie in die Zukunft fortzuschreiben. Dieses Vorgehen hat das Potential, die Laufzeit insbesondere aero-akustischer Simulationen signifikant zu verkürzen.
Das Ziel:
KI-Modelle mit hoher Prognosefähigkeit, um die akustische Analyse im Gerätdesign zu verbessern und neue Standards in der Geräuschminimierung und damit auch bei der Energieeffizienz zu setzen. Diese Erweiterung der vorhandenen Zeitserie der Strömungssimulation um ca. 50% kann bis zu 75% der kombinierten Strömungs- und Akustiksimulation einsparen, so dass die Analyse auf wenige Tage reduziert werden kann. Dies hat nicht nur eine entsprechende Beschleunigung der Entwicklung zur Folge, sondern auch eine signifikante Einsparung der insgesamt verwendeten Rechenzeit; diese steht wiederum in direktem Zusammenhang mit der dafür verwendeten Energie.
