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

Projektleitung:

Prof. Dr.-Ing.  Carsten Schilde
Technische Universität Braunschweig

In der zweiten Phase des Forschungsprojekts liegt der Schwerpunkt auf der Entwicklung und Optimierung photokatalytisch aktiver Materialien, die unter Lichteinwirkung chemische Reaktionen auslösen können, 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 maßgeschneiderte photokatalytische Materialien entwickelt, deren Eigenschaften durch gezielte Kombination der Partikelstrukturen optimiert werden können.

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 Aktivität aufweisen. Dabei wird ein ganzheitlicher Ansatz verfolgt, der Materialuntersuchungen, die Optimierung des experimentellen Aufbaus und die Weiterentwicklung von Simulationsmethoden integriert, um die komplexen Zusammenhänge zwischen Prozessparametern, Struktur und photokatalytischer Aktivität systematisch zu untersuchen.

Ein zentrales Element ist die präzise 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 Ansätzen 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 Verständnis der photokatalytischen Reaktionen bei und ermöglichen eine gezielte Anpassung der Prozessparameter.

Die umfassende datengetriebene Modellierung spielt in dieser Projektphase eine zentrale Rolle. Prädiktive Modelle identifizieren und optimieren die relevanten Prozessparameter für spezifische Zielstrukturen, während die genetische Programmierung die Entwicklung semi-mechanistischer Modelle unterstützt. Diese Ansätze ermöglichen eine automatisierte und kontinuierliche Weiterentwicklung der Modelle, die sowohl den Heteroagglomerationsprozess als auch die photokatalytischen Reaktionen präzise beschreiben.

Ziel der zweiten Projektphase ist es, die Struktur-Eigenschafts-Beziehungen der Heteroagglomerate aus SiO₂ und TiO₂ im Hinblick auf ihre photokatalytische Aktivität zu erfassen und systematisch zu optimieren. Darüber hinaus wird ein semi-mechanistisches Modell entwickelt, das den Heteroagglomerationsprozess präzise abbildet und Vorhersagen für die Prozessgestaltung ermöglicht. Das vertiefte Verständnis der Wechselwirkungen zwischen Strukturparametern und photokatalytischer Effizienz soll nicht nur den experimentellen Messaufwand reduzieren, sondern auch die gezielte Steuerung und Übertragung der gewonnenen Erkenntnisse auf anwendungsrelevante Prozesse unterstützen.