Aktuelle Forschungsprojekte

Image RauMLuft.ROM | ROM - basierte Vorhersage von Raumluftströmungen mit maschinellem Lernen
Image Untersuchungen an Deckenkühlgeräten
Image Zertifizierung von effizienten Klima- und Lüftungsanlagen durch das neue „Qualitätssiegel Raumlufttechnik“ für Nichtwohngebäude
Image Tribologische Untersuchungen im System Öl-Kältemittel-Werkstoff
Image Industrie-4.0-Membran-Wärme-und-Stoffübertrager (i-MWÜ4.0)
Image Innovative Fertigungstechnologien für Kryosorptionssysteme
Image Platz-integrierte Sekundärluft-Aufbereitung
Image Entwicklung Prüfverfahren und Prüfstand für stationäre Einbau-Kältesätze
Image Zustands- und Schadensanalysen
Image Prüfstand für Ventilatoren nach DIN EN ISO 5801
Image Wasserstoff- und Methan-Versuchsfeld am ILK
Image CFE-Test Dunstabzugshauben
Image Leistungsprüfung an Verflüssigungssätzen
Image Nachweis der Lagerbeständigkeit von Kryoröhrchen
Image Ressourcenoptimierung und Beschleunigung von Strömungssimulationen mittels künstlicher Intelligenz
Image Befeuchtungsanlage für hochreine Gase

Sie befinden sich hier:  Startseite /  Forschung und Entwicklung


ML-basierte Module für intelligente TGA-Planungssoftware

INNO-KOM

10/2022 - 02/2025

Dr.-Ing. Thomas Oppelt

+49-351-4081-5321

intelliKL

Maschinenlernbasierte Unterstützung für die optimale Auslegung von Raumkühlsystemen

Motivation

  • weltweit nimmt der Einsatz von Kühl- und Klimasystemen stetig zu
  • Planung und Auslegung bilden Fundament für Behaglichkeit und Energieeffizienz
  • dynamische Kühllastauslegung nach VDI 2078 basiert auf vielfältigen Einflussfaktoren
  • berücksichtigt Zusammenspiel von Raum, Anlage und Nutzung
  • Software nimmt Planern hauptsächlich die Arbeit des Rechnens ab
  • Finden optimaler Planungslösungen (Art und Kombination von Kühlsystemen, Regelung) bisher aber durch zeitaufwendigen manuellen Variantenvergleich

Projektziel

  • Entwicklung ML-basierter Softwaremodule
  • Realisierung von drei Intelligenz-Stufen

Lösungsansatz

  • Verwendung von ML-Verfahren für Ausreißer-detektion, Clustering und Regression
  • Erstellung von Beispielkonfigurationen
  • teilautomatisierte Generierung einer umfangreichen Datenbasis für Training und Test der ML-Algorithmen
  • Erstellung von Blackbox-Modulen zur Anbindung an Planungssoftware
  • Funktionsnachweis in Praxistests

Ihre Anfrage zum Projekt