Digitales Labor für die elektrischen Maschinen der Zukunft

„CREATOR“ vereint Forschende der TU Darmstadt, der TU Graz, der Johannes Kepler Universität Linz und der Österreichischen Akademie der Wissenschaften aus den Bereichen Elektrotechnik, Maschinenbau, Mathematik, Materialwissenschaften und Mechanik. Ziel des Forschungsverbunds ist es, ein „Computational Electric Machine Laboratory“ zu etablieren – eine digitale Entwicklungsumgebung, um elektrische Maschinen realitätsnah modellieren, simulieren und optimieren zu können. Dadurch sollen leistungsfähigere, effizientere und nachhaltigere Antriebssysteme für Anwendungen in der Elektromobilität, Industrie und Energietechnik entstehen.

Zweite Förderphase baut auf erfolgreichen Ergebnissen auf

Nach den erfolgreichen ersten vier Jahren setzen die Projektpartner ihre interdisziplinäre Zusammenarbeit fort, um die Entwicklung elektrischer Maschinen mithilfe modernster Simulations- und Optimierungsmethoden grundlegend voranzutreiben. Für die gesamte Projektlaufzeit stellen die Deutsche Forschungsgemeinschaft (DFG) und der österreichische Wissenschaftsfonds FWF mehr als 20 Millionen Euro zur Verfügung.

In der ersten Förderphase entwickelten die Forschenden neue mathematische Modelle und Simulationsverfahren für die digitale Auslegung elektrischer Maschinen. Nun rücken dreidimensionale Modellierungen, thermische und multiphysikalische Effekte sowie daten- und KI-gestützte Optimierungsmethoden in den Fokus. Beim Kick-off in Graz tauschten sich die beteiligten Expertinnen und Experten über die Forschungsagenda der kommenden vier Jahre aus und vertieften die Zusammenarbeit zwischen den beteiligten Institutionen.

CPS entwickelt effiziente Surrogatmodelle

In der zweiten Phase wird das Fachgebiet CPS, vertreten durch Fabian Roth, die Entwicklung datengetriebener, aber physikbasierter Methoden zur Surrogatmodellierung von elektrischen Maschinen vorantreiben. Diese sollen genaue, effiziente, zuverlässige und robuste Vorhersagen liefern, mit geringen Datenmengen trainierbar sein und Parameterabhängigkeiten berücksichtigen. Somit sollen die Surrogate aufwändige Simulationen ersetzen können, sowie Unsicherheitsquantifizierung und Designoptimierung ermöglichen.

TU Graz/as/ml