Hybride Modellierung der Heteroagglomeration in gasgetragenen Str?mungen mittels CFD-DEM-Simulation und Methoden des maschinellen Lernens

Projektleitung:

Prof. Dr.-Ing.  Carsten Schilde
Technische Universit?t Braunschweig

In der zweiten Phase des Forschungsprojekts liegt der Schwerpunkt auf der Entwicklung und Optimierung photokatalytisch aktiver Materialien, die unter Lichteinwirkung chemische Reaktionen ausl?sen k?nnen, ohne dabei selbst verbraucht zu werden. Diese Materialien bieten Potenzial für Umwelt- und Gesundheitstechnologien sowie für nachhaltige Anwendungen, beispielsweise in der Luft- und Wasserreinigung, der Energieumwandlung und der Wasserstoffproduktion. Aufbauend auf den in der ersten Phase gewonnenen Erkenntnissen zur Heteroagglomeration submikroner Partikelsysteme werden nun ma?geschneiderte photokatalytische Materialien entwickelt, deren Eigenschaften durch gezielte Kombination der Partikelstrukturen optimiert werden k?nnen.

In der ersten Projektphase wurden mit Hilfe von CFD- und DEM-Simulationen sowie experimentellen Untersuchungen wesentliche Grundlagen zur Beschreibung und Vorhersage der Heteroagglomeration geschaffen. Aufbauend auf diesen Erkenntnissen sollen in der zweiten Phase Heteroagglomerate aus Siliziumdioxid und Titandioxid entwickelt werden, die eine photokatalytische Aktivit?t aufweisen. Dabei wird ein ganzheitlicher Ansatz verfolgt, der Materialuntersuchungen, die Optimierung des experimentellen Aufbaus und die Weiterentwicklung von Simulationsmethoden integriert, um die komplexen Zusammenh?nge zwischen Prozessparametern, Struktur und photokatalytischer Aktivit?t systematisch zu untersuchen.

Ein zentrales Element ist die pr?zise Anpassung der Materialsysteme, basierend auf den in der ersten Phase gewonnenen Erkenntnissen über die Prozesseigenschaften. Unter definierten Prozessbedingungen werden photokatalytisch aktive Heteroagglomerate hergestellt und deren Struktureigenschaften genau charakterisiert. Die Untersuchung erfolgt mit einem modifizierten Versuchsaufbau, der die photokatalytische Effizienz durch den gezielten Abbau organischer Substanzen wie Methylenblau bestimmt. Durch die Einbindung dieser Messungen in eine systematische Analyse von Struktur-Eigenschafts-Beziehungen kann der Einfluss der Heteroagglomeratstruktur auf die photokatalytische Effizienz quantifiziert und optimiert werden.

Neben den experimentellen Ans?tzen ist die Erweiterung von CFD-DEM-Simulationen ein zentrales Forschungsziel. Die Simulationen werden genutzt, um durch umfangreiche Parameterstudien die Datenbasis für die Generierung unterschiedlicher Heteroagglomeratstrukturen zu erweitern. Parallel dazu wird eine physikbasierte Simulation eingesetzt, die speziell die Wechselwirkung zwischen strukturellen und photokatalytischen Eigenschaften der Materialien analysiert. Diese simulativ generierten Daten tragen zu einem besseren mechanistischen Verst?ndnis der photokatalytischen Reaktionen bei und erm?glichen eine gezielte Anpassung der Prozessparameter.

Die umfassende datengetriebene Modellierung spielt in dieser Projektphase eine zentrale Rolle. Pr?diktive Modelle identifizieren und optimieren die relevanten Prozessparameter für spezifische Zielstrukturen, w?hrend die genetische Programmierung die Entwicklung semi-mechanistischer Modelle unterstützt. Diese Ans?tze erm?glichen eine automatisierte und kontinuierliche Weiterentwicklung der Modelle, die sowohl den Heteroagglomerationsprozess als auch die photokatalytischen Reaktionen pr?zise beschreiben.

Ziel der zweiten Projektphase ist es, die Struktur-Eigenschafts-Beziehungen der Heteroagglomerate aus SiO? und TiO? im Hinblick auf ihre photokatalytische Aktivit?t zu erfassen und systematisch zu optimieren. Darüber hinaus wird ein semi-mechanistisches Modell entwickelt, das den Heteroagglomerationsprozess pr?zise abbildet und Vorhersagen für die Prozessgestaltung erm?glicht. Das vertiefte Verst?ndnis der Wechselwirkungen zwischen Strukturparametern und photokatalytischer Effizienz soll nicht nur den experimentellen Messaufwand reduzieren, sondern auch die gezielte Steuerung und ?bertragung der gewonnenen Erkenntnisse auf anwendungsrelevante Prozesse unterstützen.