Ingenieur/in Luft- und Raumfahrttechnik, Maschinenbau oder Mathematiker/in, Physiker/in o. ä. (w/m/d)

Das Institut für Aerodynamik und Strömungstechnik ist ein führendes Forschungsinstitut auf den Gebieten Flugzeug-Aerodynamik, Flugzeug-Aeroakustik und Raumfahrt-Aerothermodynamik.

Die Abteilung C²A²S²E entwickelt numerische Verfahren und Prozesse zur multidisziplinären Simulation und Optimierung von Fluggeräten. Die Forschungsaktivitäten umfassen neben der physikalischen Modellierung komplexer Strömungen und der Entwicklung fortschrittlicher Lösungsalgorithmen auch die Einbindung aller relevanten Disziplinen, die Entwicklung effizienter Optimierungsstrategien sowie die Entwicklung von Ersatzmodellen auf Basis höherwertiger Simulationsverfahren. Die in der Abteilung entwickelten hybriden Strömungslöser werden für einen breiten Anwendungsbereich in Forschung und Industrie routinemäßig eingesetzt.

Neue Technologien in der Luftfahrt versprechen eine Reduzierung des Luftwiderstands um bis zu 50 %, was zu erheblichen Kraftstoffeinsparungen führt. Um diese Technologien zu optimieren, ist eine neue Generation intelligenter aerodynamischer Simulationstechniken erforderlich. Eine große Herausforderung bei der aerodynamischen Simulation ist die Vorhersage turbulenter Strömungen. Diese Vorhersagen basieren in der Regel auf der Lösung der Reynolds-gemittelten Navier-Stokes-Gleichungen (RANS) in Verbindung mit Turbulenzmodellen, die Modellierungsdefizite beinhalten, die zu einer Unsicherheit hinsichtlich der Vorhersagegenauigkeit führen und zu einer konservativen Auslegung mit großen Sicherheitsmargen führen. Ein solcher Konservatismus beeinträchtigt oft die Effizienz der entworfenen Fahrzeuge. Das Aufkommen des maschinellen Lernens (ML) hat neue Möglichkeiten für die Turbulenzmodellierung eröffnet, um vereinfachende Annahmen zu überprüfen und zu überarbeiten. Ein wichtiger Schritt in Richtung der industriellen Anwendbarkeit dieser sogenannten datengetriebenen Turbulenzmodelle besteht darin, sicherzustellen, dass die trainierten RANS-Modelle die Vorhersage für Strömungen oder Strömungsphänomene, die nicht Teil des Trainingsprozesses waren, nicht verschlechtern. Zudem ist eine Erweiterung des Trainingsprozesses auf drei-dimensionale Strömungen notwendig.

Wir bieten eine Stelle an, um unseren datengetriebenen Prozess auf komplexe Strömungsphänomene wie turbulente Grenzschichten in starken Druckgradienten und Oberflächenkrümmungen sowie dreidimensionale Strömungen auszudehnen und anzuwenden. Dieses Ziel umfasst die Auswahl von Trainingsdaten aus verschiedenen Testfällen und die Entwicklung eines robusten Trainingsprozesses. Das Endziel besteht darin, die verbesserte Vorhersagegenauigkeit des neuen Modells für industriell-relevante Strömungen zu demonstrieren.