Die Beschreibung turbulenter Strömungsfelder mittels Partikelbildgeschwindigkeitsmessung (PIV) ist entscheidend für das Verständnis komplexer Fluidsysteme. Bei turbulenten Mehrphasenströmungen ist die Anwendung der konventionellen PIV aufgrund der Streuungsinterferenz oft herausfordernd. Durch die Nutzung hochmoderner Optical-Flow-Erkennungsmodelle, wie RAFT (Recurrent All-Pairs Field Transforms), streben wir an, hochpräzise Messungen turbulenter Mehrphasenströmungen basierend auf Mie-Streuung oder Phosphoreszenz-Doppelbildern bzw. zeitaufgelösten Bildern zu erreichen. In diesem Projekt koppeln wir fortschrittliche Deep-Learning-Techniken mit unserer etablierten überwachten Lernpipeline, um annotierte Ground-Truth-Trainingsdaten mit minimalem Aufwand zu erzeugen. Durch die Integration dieser ML-Modelle steigern wir die Effizienz und Genauigkeit der entsprechenden Datenanalyse, wodurch das Potenzial für eine tiefergehende Beschreibung komplexer turbulenter Mehrphasensysteme und der damit verbundenen Turbulenz-Phasen-Interaktionen freigesetzt wird. Dieser Ansatz erleichtert zudem Verbesserungen im Systemdesign und in der Leistung.
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.