Unter Gasturbinenbedingungen beeinflussen aerodynamische Kräfte maßgeblich die Zerstäubung flüssiger Brennstoffe. Unsere Forschung zielt darauf ab, ein grundlegendes Verständnis dieser komplexen Wechselwirkungen mithilfe modernster quantitativer Diagnostik und Datenanalyse zu entwickeln. Dafür setzen wir innovative Deep Learning-Modelle ein, um experimentelle Daten präzise auszuwerten und Ligamente sowie Tropfen klar voneinander abzugrenzen. Auf diese Weise können wir die Sprühprozesse von der primären Zerstäubung bis hin zur turbulenten Dispersion detailliert beschreiben. Diese ganzheitliche Vorgehensweise liefert wichtige Erkenntnisse für die gezielte Optimierung von Einspritzsystemen, wodurch eine exzellente Zerstäubungsqualität erzielt wird. Die verbesserte Zerstäubung ermöglicht eine schnelle Verdampfung sowie optimale Gemischbildung – entscheidend für die Reduktion von nicht-CO2 Emissionen wie Stickoxiden (NOX) und Partikeln in modernen Verbrennungssystemen.
Das entwickelte Modell erfasst präzise die Kontur der Gas-Flüssigkeits-Grenzfläche in technischen Sprays und ermöglicht so eine detaillierte, quantitative Beschreibung des Zerstäubungsprozesses von Flüssigkeitsstrahlen, -filmen oder -schichten in Ligamente und Tropfen. Die Validierung mittels unabhängiger Diagnoseverfahren gewährleistet eine hohe Genauigkeit, Robustheit sowie zuverlässige Vorhersagen über vielfältige Betriebsbedingungen hinweg.
Weitere Informationen / Teilnehmen
Sie haben Interesse an unserem Projekt, weitere Fragen oder möchten uns im Rahmen von studentischen Arbeiten, Praktika oder Abschlussarbeiten unterstützen, freuen wir uns über Ihre Kontaktaufnahme per E-Mail oder Telefon. Die entsprechenden Kontaktdaten finden Sie unten.