Der Schwerpunkt der vorliegenden Arbeit liegt auf der Modellierung reduzierter Ordnung der instationären Aerodynamik. Mittels randbedingungsbasierter Ansätze wird sowohl die Effizienz als auch der Detaillierungsgrad von linearisierten CFD-Methoden signifikant gesteigert. Darüber hinaus wird ein auf Deep Learning basiertes, datengetriebenes Modell entwickelt, das in der Lage ist das nichtlineare, bewegungsinduzierte Verhalten komplexer, transsonischer Druckverteilungen äußerst genau und effizient vorherzusagen.     «

Der Schwerpunkt der vorliegenden Arbeit liegt auf der Modellierung reduzierter Ordnung der instationären Aerodynamik. Mittels randbedingungsbasierter Ansätze wird sowohl die Effizienz als auch der Detaillierungsgrad von linearisierten CFD-Methoden signifikant gesteigert. Darüber hinaus wird ein auf Deep Learning basiertes, datengetriebenes Modell entwickelt, das in der Lage ist das nichtlineare, bewegungsinduzierte Verhalten komplexer, transsonischer Druckverteilungen äußerst genau und effizient...     »