Experimentelle Optimierungsmethoden für aktuierte Systeme mit komplexen Fluid-Struktur Wechselwirkungen

Abstract

In this thesis, methods for the experimental optimization (Exp-O) of complex multi- physical systems with actively actuated fluid-structure interactions (FSI) are inves- tigated and developed. Due to the nonlinear characteristics of FSI, the evaluation of such a system is usually not directly mathematically-analytically possible. For this class of problems, the evaluation of the design space to determine the optimum the- refore represents the greatest challenge. Approaches that reduce the problem to an analytically solvable formulation are usual- ly very cost-effective. However, they do not offer the required accuracy for many appli- cations as they require significant model simplifications. Numerical simulations allow a more complex modeling of the physical problems and can offer a higher accuracy. However, they quickly become numerically expensive, which in turn limits their appli- cability. Experimental optimizations are particularly interesting when other methods cannot provide a satisfactory and cost-efficient answer. The basic hypothesis of the thesis is that Exp-O is a suitable and cost-efficient me- thod for systematic optimization. In this thesis, three case studies are presented and discussed to verify it. The first study deals with the determination of the motion law of a pitch system to maximize the performance of a tidal turbine. This is done using a simplified surrogate model. The optimization is performed in a fully automated experimental setup using a simple brute force methodology. The optimal pitch trajectory shows a significant improvement of the thrust coefficient by 120% and is determined in just a few hours. In the second use case, an experimental parameter study is carried out to systemati- cally improve an experimental test rig. The entire parameter study only takes a few hours. It enables the design of the experimental setup to be improved and provides new insights into head movement as a crucial part of robotic swimming kinematics. The setup is subsequently used for the third application. The optimization of the swimming motion of a biomimetic fish robot. The optimization goal is high drive per- formance with low energy consumption. Since both objectives cannot be optimized at the same time, this contradictory objective leads to an infinite number of optima. These form a so-called Pareto front. Using genetic algorithms, a fully automated ex- periment with multiple actuators and sensors is realized. The optimization campaign takes around 26 hours for 2940 individuals and also contributes to a better under- standing of the system. In summary, this work shows that Exp-O techniques provide a robust methodology for optimizing multiphysical optimization problems in realistic, engineering-relevant scenarios. They allow a massive reduction of the evaluation time. The advantages and challenges are analyzed and the required methods and setups are presented in detail.

In dieser Arbeit werden Methoden zur experimentellen Optimierung (Exp-O) komple- xer multiphysikalischer Systeme mit aktiv aktuierten Fluid-Struktur Wechselwirkun- gen (FSI) untersucht und entwickelt. Bedingt durch die nichtlinearen Charakteristiken der FSI, ist die Evaluierung eines solchen Systems meist nicht direkt mathematisch- analytisch möglich. Für diese Klasse von Problemen stellt die Auswertung des Desi- gnraums zur Bestimmung des Optimums daher die größte Herausforderung dar. Ansätze, die das Problem auf eine analytisch lösbare Formulierung reduzieren, sind in der Regel sehr kostengünstig. Für viele Anwendungen bieten sie aber nicht die erfor- derliche Genauigkeit, da sie signifikante Modellvereinfachungen erfordern. Numerische Simulationen erlauben eine komplexere Modellierung der physikalischen Probleme und können eine höhere Genauigkeit bieten. Daher werden sie jedoch sehr häufig nu- merisch kostspielig, was ihre Anwendbarkeit wiederum einschränkt. Experimentelle Optimierungen sind insbesondere dann interessant, wenn andere Verfahren keine zu- friedenstellende und kosteneffiziente Antwort liefern können. Die Grundhypothese der Arbeit lautet, dass die Exp-O eine geeignete und kosteneffi- ziente Methode zur systematischen Optimierung ist. In dieser Arbeit werden zu ihrer Überprüfung drei Fallstudien vorgestellt und erörtert. Die erste Studie befasst sich mit der Bestimmung des Bewegungsgesetzes eines Pitch-systems zur Maximierung der Leistung einer Gezeitenturbine. Dies geschieht anhand eines vereinfachten Ersatzmodells. Die Optimierung wird in einem vollautomatischen Versuchsaufbau mittels einer simplen Brute-Force-Methodik durchgeführt. Die optimale Pitch-Trajektorie zeigt eine erhebliche Verbesserung des Schubkoeffizienten um 120% und wird in nur wenigen Stunden ermittelt. Im zweiten Anwendungsfall wird eine experimentelle Parameterstudie zur systemati- schen Verbesserung eines experimentellen Versuchsaufbau durchgeführt. Die gesamte Parameterstudie dauerte nur wenige Stunden. Sie ermöglicht eine Verbesserung der Konstruktion des Versuchsaufbaus und liefert neue Erkenntnisse zur Kopfbewegung als entscheidender Teil der robotischen Schwimmkinematik. Der Aufbau wird nachfolgend für den dritten Anwendungsfall genutzt. Die Opti- mierung der Schwimmbewegung eines biomimetischen Roboterfisches. Das Optimie- rungsziel ist eine hohe Antriebsleistung bei gleichzeitig geringem Energieverbrauch. Da nicht beide Ziele gleichzeitig optimiert werden können, führt diese widersprüchli- che Zielstellung zu einer unendlichen Zahl von Optima. Diese bilden eine sogenannte Pareto-Front. Unter der Verwendung genetischer Algorithmen wird ein vollständig automatisiertes Experiment mit multiplen Aktoren und Sensoren realisiert. Die Opti- mierungskampagne dauert rund 26 Stunden für 2940 Individuen und trägt zusätzlich zum besseren Verständnis des Systems bei. Zusammengefasst kann in dieser Arbeit gezeigt werden, dass Exp-O-Techniken eine robuste Methodik zur Optimierung multiphysikalischer Optimierungsprobleme in rea- listischen, ingenieurwissenschaftlich relevanten Szenarien bieten. Sie erlauben dabei eine massive Reduzierung der Auswertezeit. Die Vorteile und Herausforderungen wer- den analysiert und die erforderlichen Methoden und Aufbauten im Detail vorgestellt.