d-LIGHT: Designa lätt och snabbt - gröna gasturbiner baserat på innovativa lättviktslösningar
Diarienummer | |
Koordinator | Linköpings universitet - Institutionen för ekonomisk och industriell utveckling |
Bidrag från Vinnova | 3 449 917 kronor |
Projektets löptid | december 2020 - december 2023 |
Status | Avslutat |
Utlysning | Strategiska innovationsprogrammet för SIP LIGHTer |
Ansökningsomgång | Strategiska innovationsprogrammet SIP LIGHTer - 2020 |
Viktiga resultat som projektet gav
Projektet d-LIGHT syftar till att integrera designautomation (DA) och multidisciplinär optimering (MDO) med AI och maskininlärningsalgoritmer (ML) för att effektivisera utvecklingsprocessen för gasturbiner och därmed möjliggöra för design av framtidens gröna gasturbiner baserat på innovativa lättviktslösningar. Projektet har resulterat i en innovativ process för att genomföra MDO av komplexa geometrier där antalet frihetsgrader kan ändras beroende på design. Dessutom har en rekommenderad metod för att använda ML i optimeringsprocessen tagits fram.
Långsiktiga effekter som förväntas
Det övergripande effekten av d-LIGHT projektet är potentialen att snabba upp de tidiga och konceptuella delarna av utvecklingsprocessen. Förväntade effekter är möjligheten till mer kundanpassade och innovativa lösningar som möter behoven från framtidens gröna gasturbindrivmedel genom innovativ design och tillverkning som möjliggörs om komponenter produceras baserat på additiv tillverkning.
Upplägg och genomförande
d-LIGHT projektet leds från LiU och övriga partners är Siemens Energy och CAE Value. Projektet har tre huvudsakliga arbetspaket, där metoder för Design Automation (generativ design) utvecklas i AP1 för att sedan integreras i ett MDO-ramverk i AP2. Dessa utgör sedan basen i AP3 där nya AI och ML algoritmer studeras för att effektivisera beräkningarna. AP3 innehåller även verktyg för att integrera ramverket med specifika metoder för Additiv tillverkning. Inom samtliga arbetspaket står LiU och CAE Value för generell metodkunskap och Siemens för specifikt applikation kunnande.