Automatisierte Regler für Raketensysteme
Anwendungen im Bereich der Regelungs- und Steuerungstechnik erfordern robuste Steuerungsalgorithmen, welche sich kontinuierlich an veränderte Umgebungen und Betriebsbedingungen anpassen, insbesondere in sicherheitskritischen Bereichen wie der Raumfahrt. Das Einbeziehen von physikalischen Gesetzen und das Quantifizieren von Unsicherheiten verbessern die Robustheit und Zuverlässigkeit von KI-basierten Reglern, wodurch der technologische Schritt von Simulation zur realen Umgebung ermöglicht wird.
Strömungsfelder in Kühlkanälen für elektrisierte Luftfahrtantriebe simulieren
Elektrisierte Luftfahrtantriebe brauchen für ihr „Thermal Management System“ Kühlkanäle, deren Strömungsverhalten für das Design vorhergesagt werden muss, um beispielsweise zu hohe Temperaturen oder Fließgeschwindigkeiten auszuschließen. Eine ausführliche CFD-Simulation bei jeder Designänderung wäre zu rechenintensiv, daraus ergibt sich das Potenzial und die Notwendigkeit von KI-basierten Ersatzmodellen. Diese ermöglichen es, Kanäle zu designen und in Echtzeit eine Rückmeldung über die resultierende Strömung zu erhalten.
Risse in Materialien detektieren und analysieren
Bei der Analyse von Verschiebungs- und Dehnungsfeldern in Riss-Versuchen für metallische Legierungen wird digitale Bildkorrelation verwendet, deren Daten jedoch grundsätzlich nie vollständig oder fehlerfrei sein können, was zu Fehlern in der Vorhersage führt. Das hier entwickelte KI-Modell kombiniert die verrauschten experimentellen Daten mit physikalischen Gesetzmäßigkeiten, um die Verschiebungs- und Dehnungsfelder robuster vorherzusagen.
Erweiterung der SMARTy Toolbox zum Flugzeugdesign für schnelle Designiterationen
Zur schnellen Designiteration für Flugzeuge benötigt es ebenfalls Ersatzmodelle für die rechenintensiven CFD-Simulationen. SMARTy (steht für Surrogate Modeling for Aero-Data Toolbox in python) ermöglicht dies mit verschiedenen, kombinierbaren Modulen, die im Rahmen von TIARA erweitert werden. Dabei geht es um die Erprobung neuer Methoden sowie die Unsicherheitsquantifizierung. Letztere ermöglicht beispielsweise die Integration eines Vertrauensintervalls in Gleichungen und Daten und einen Fehlerschätzer in den resultierenden Vorhersagen des Modells.
Vorhersage von Satellitenparametern (z.B. Batteriezustand)
Im Laufe der Lebenszeit eines Satelliten verändert sich das Verhalten seiner Komponenten. Beispielsweise wird die Batterie weniger leistungsfähig, wodurch ursprünglich unproblematische Kommandos zu kritischem Spannungsabfall führen können. Ziel ist es, dass das KI-Modell lernt, den zu erwartenden Spannungsabfall aus der Telemetrie und den Telecommandos vorherzusagen. Dies kann z.B. genutzt werden, um Experimente vorausschauend anzupassen.
Extremwettervorhersage für autonomes Fahren
Für autonomes Fahren ist es notwendig, die Fahrweise vorausschauend auf die Wetterlage anzupassen. Um eine Gefahrenabschätzung treffen zu können braucht es sowohl Echtzeitfähigkeit bei limitierter Hardware als auch eine Abschätzung der lokalen Eintrittswahrscheinlichkeit von Extremwetter. Im Rahmen von TIARA werden neuartige hybride neuromorphe KI-Verfahren entwickelt und getestet, die als Demonstrator in reale Hardware eingebettet werden sollen.