Engineering Ersatzmodelle in der Simulation: Schneller zum Ergebnis

Anbieter zum Thema

CADFEM Germany GmbH

UberCloud

Neuronale Netze, die ursprünglich vor allem in der Welt der KI und des maschinellen Lernens beheimatet waren, halten mehr und mehr Einzug in verschiedenen wissenschaftlichen und technischen Bereichen. Auch in der multiphysikalischen Simulation eröffnen sie neue Möglichkeiten für schnelle, datengestützte Ersatzmodelle, die auf traditionellen, oft 
zeitaufwändigen Simulationsmethoden aufbauen.

Diese Entwicklung ist besonders relevant in einer Zeit, in der die Anforderungen an Genauigkeit und Geschwindigkeit in der wissenschaftlichen Modellierung stetig steigen und digitale Zwillinge für industrielle Anwendungen schnelle Ergebnisse für komplexe Simulationen liefern müssen. Neuronale Netze bieten hier eine Lösung, da sie komplexe Berechnungen und Analysen in einem Bruchteil der Zeit durchführen können, die herkömmliche Simulationsmethoden benötigen. Dieser Fortschritt ist nicht nur von technologischer Bedeutung, sondern auch ein Meilenstein in der Art und Weise, physikalische Phänomene zu verstehen und zu modellieren.

Das Prinzip der Ersatzmodelle

Ersatzmodelle, auch Surrogatmodelle genannt, sind eine Methode, um die Komplexität und Rechenzeit physikalischer Simulationsprozesse erheblich zu reduzieren. Die Kernidee dieser Modelle besteht darin, mit Hilfe von trainierten neuronalen Netzen ein vereinfachtes, aber hocheffizientes Abbild eines komplexen Systems zu erzeugen. Diese Modelle „lernen“ aus einem umfangreichen Satz von Simulationsdaten und sind in der Lage, präzise Vorhersagen über das Verhalten des Systems unter verschiedenen Bedingungen zu treffen. Während herkömmliche Simulationsmethoden oft lange Rechenzeiten benötigen, insbesondere bei fein vernetzten oder multiphysikalischen Modellen, können trainierte Ersatzmodelle innerhalb von Sekunden Ergebnisse liefern. Dadurch können Forscher und Ingenieure Parameterstudien und Optimierungsprozesse in einem Bruchteil der sonst erforderlichen Zeit durchführen.

Für viele Anwendungen konfigurierbar

Ein weiterer Aspekt von Ersatzmodellen ist ihre Flexibilität. Sie sind nicht auf eine bestimmte Art von physikalischen Modellen beschränkt, sondern können für eine Vielzahl von Anwendungen konfiguriert werden. Von der Strömungsdynamik über thermodynamische Prozesse bis hin zu elektromagnetischen Phänomenen bieten Ersatzmodelle in vielen Bereichen der Physik und des Ingenieurwesens eine praktikable Ergänzung zu herkömmlichen Simulationsmethoden.

Die Integration von Ersatzmodellen in Simulationssoftware eröffnet Anwendern die Möglichkeit, die Vorteile neuronaler Netze direkt in ihre Simulationsprojekte zu integrieren. Dies erleichtert nicht nur die Handhabung komplexer Simulationen, sondern erweitert auch die Anwendungsmöglichkeiten, da die Ersatzmodelle zwar in der Erstellung rechenaufwändig sind, aber dann im Vergleich zu herkömmlichen Simulationsmethoden mit sehr wenig Rechen- und Zeitaufwand neue und genaue Ergebnisse liefern.

Anwendungsbeispiel: Rohrreaktor-Modell

Um das Potenzial von Ersatzmodellen zu verdeutlichen, lohnt ein Blick auf ein konkretes Beispiel: ein Rohrreaktormodell. In der chemischen Verfahrenstechnik sind Rohrreaktoren zentrale Komponenten, in denen reaktive Strömungen und Wärmeübertragungsprozesse ablaufen. Die Simulation solcher Systeme ist komplex, da sie das Zusammenspiel verschiedener physikalischer Phänomene wie Strömungsdynamik, Wärmetransport und chemische Reaktionen umfasst.

Der erste Schritt bei der Erstellung eines Ersatzmodells ist die Generierung eines umfangreichen Trainingsdatensatzes. Im Fall des Rohrreaktormodells wurden Daten aus einer Reihe detaillierter Simulationen gesammelt, die verschiedene Betriebsbedingungen und physikalische Parameter abdecken. Diese Daten dienen als Grundlage für das Training des neuronalen Netzes, wobei jede Datenreihe ein bestimmtes Szenario innerhalb des realen physikalischen Systems repräsentiert.

Das neuronale Netz für das Rohrreaktormodell besteht aus mehreren Schichten, die sowohl die Eingangsparameter, wie Strömungsgeschwindigkeit, Temperatur und Reaktionsraten, als auch die Ausgangsparameter, wie Produktkonzentrationen und Temperaturverteilungen, verarbeiten. Während des Trainings lernt das Netz, die Beziehungen zwischen Eingangs- und Ausgangsparametern zu erkennen und darzustellen (siehe Abbildung 1). Ein zufällig ausgewählter Teil der Daten wird nicht für das Training verwendet, sondern dient der anschließenden Validierung des trainierten Modells, um seine Genauigkeit zu überprüfen.

Das trainierte und validierte Ersatzmodell kann nun für präzise Vorhersagen über das Verhalten des Rohrreaktors unter verschiedenen Betriebsbedingungen in Sekunden genutzt werden. Für eine komfortable Verwendung eignet sich die einfache Erweiterung des Modells zu einer Simulations-App, also einer spezifischen Benutzeroberfläche, die die Regelung der Betriebsbedingungen und Auswertung der Ergebnisse ermöglicht (siehe Abbildung 2). Solch eine leicht bedienbare App kann dann in der Praxis für die Optimierung von Reaktordesign und -betrieb genutzt werden –auch von Personen, die keinerlei Simulationserfahrung haben.

Großes Engineering Potenzial durch Ersatzmodelle

Die Bedeutung von Ersatzmodellen erstreckt sich auf verschiedene wissenschaftliche und technische Bereiche, wobei ihr Einsatz bei der Entwicklung spezialisierter Simulations-Apps und digitaler Zwillinge besonders hervorzuheben ist.

In der Welt der Simulations-Apps bieten Ersatzmodelle eine einzigartige Möglichkeit, komplexe physikalische Prozesse zugänglich und handhabbar zu machen. Diese Apps, die für spezifische Anwendungsfälle maßgeschneidert sind, ermöglichen die Durchführung komplexer Simulationen ohne tiefgreifende Kenntnisse der zugrunde liegenden Modelle, was insbesondere für die Industrie und die Endanwender von großem Vorteil ist. Ersatzmodelle ermöglichen schnelle und präzise Ergebnisse, die essenziell für eine interaktive und benutzerfreundliche Erfahrung in Simulations-Apps sind. Dadurch wird der Einsatz dieser Apps praktikabel und effektiv.

Im Bereich der digitalen Zwillinge entfalten Ersatzmodelle ihr volles Potenzial. Digitale Zwillinge sind virtuelle Nachbildungen realer Systeme oder Prozesse, die in Echtzeit aktualisiert werden, um Änderungen im realen System widerzuspiegeln. Ersatzmodelle ermöglichen die Aktualisierung dieser digitalen Kopien mit bisher unerreichter Geschwindigkeit und Genauigkeit. Dies ist von entscheidender Bedeutung in Bereichen wie der Produktionsüberwachung, der vorausschauenden Wartung und der Optimierung von Betriebsabläufen. 

Der Autor Dr. Phillip Oberdorfer ist Manager Technical Marketing bei Comsol Multiphysics.