Wenn Kreiselpumpen im Teillastbereich arbeiten, treten komplexe Strömungsphänomen auf wie z.B. Prerotation des Fluids am Einlassbereich, Rezirkulation am Austritt und Eintritt, Verblockung, Ablösung im Vorderkantenbereich etc. Für die Vorhersage realer Kennlinien von noch nicht gefertigten Pumpen mit neuen Geometrien sind schnelle und vor allem präzise Auslegungs- und Berechnung-Werkzeuge notwendig. Vor allem im Teillastbereich ist eine korrekte Vorhersage des Kennlinienverlaufs durch CFD-Methoden schwierig. Ab ungefähr 70 % des Auslegungsvolumenstroms können bei Simulationen Konvergenzprobleme auftreten. Mit zunehmenden Abweichungen vom Auslegungspunkt nimmt die Qualität der CFD-Simulationen ab, d.h. dass die Unterschiede zwischen CFD-Daten und experimentellen Mesergebnissen zunehmen. Bisher sind die realen Kennlinienverläufe nur durch Messungen an der fertigen Pumpe festzustellen. Auch durch aufwendige instationäre 3D-CFD-Simulationen kann der gemessene Kennlinienverlauf in starker Teillast nur näherungsweise abgebildet werden. Einen erfolgsversprechenden Ansatz zur Lösung des Problems kann der Einsatz künstlicher Intelligenz (KI) darstellen.

In dem Projekt soll untersucht werden, bis zu welchem Grad die Geometrien für die CFD-Simulationen vereinfacht werden können. Dafür werden die relevanten Bauformen von Spiralgehäusepumpen untersucht und angepasst.

Anschließend kommen Verfahren der künstlichen Intelligenz zum Einsatz, mit denen basierend auf Daten aus Messungen und CFD-Simulationsergebnissen auf den Verlauf der Kennlinie geschlossen werden kann. Es sollen besonders die Details im Kennlinienverlauf wie zum Beispiel die Instabilitäten oder ein Absinken der Nullförderhöhe bei der Vorhersage berücksichtigt werden. Im Rahmen des Projektes wird eine Methode entwickelt, mit der von Simulationsdaten auf den Verlauf der realen Kennlinien geschlossen werden kann, um bereits im Entwicklungsprozess der Pumpe Kenntnisse über die Kennlinie zu erhalten. Ziel ist die Entwicklung eines Machine Learning Modells zur Bewertung und Korrektur von Fehlern bei der Kennlinienberechnung durch CFD-Simulationen im Off-Design-Bereich.