Research Associate / PhD Student (f/m/d) - Development of methodologies for high fidelity digit[...]

Die Position adressiert kritische Herausforderungen, mit denen moderne Windturbinen unter sich ändernden Klimabedingungen, wechselnden Windmustern und strukturellem Altern konfrontiert sind. Da Turbinen sich verändernden Lasten ausgesetzt sind, entstehen Diskrepanzen zwischen physischen Anlagen und ihren nominalen digitalen Designs, was die genaue Vorhersage des strukturellen Verhaltens und das nachhaltige Lebenszyklusmanagement erschwert. Diese Forschung zielt darauf ab, diese Herausforderungen zu überwinden, indem sie sensitivitätsbasierte Modellierung, Fluid-Struktur-Interaktionsmethoden (FSI), inverse Problemlösungen und Techniken zur Surrogatmodellierung vorantreibt, um letztendlich prädiktive, adaptive und effiziente digitale Zwillingsrahmen für reale Windturbinen zu ermöglichen.

Positionsinformationen

• Bewerbungsfrist: 30.04.
• Startdatum: 01.09.
• Positionstyp: Vollzeit
• Positionsdauer: 3 Jahre

Forschungsziele

• Entwicklung eines Sensitivitätsrahmens für gekoppelte Sensitivitätsanalysen.
• Erweiterung des entwickelten Rahmens zur Unterstützung von FSI-Problemen und Identifizierung geeigneter Sensitivitätsberechnungsmethoden.
• Identifizierung wichtiger Modellierungsparameter für das digitale Modell.
• Erstellung eines digitalen Modells der Windturbine unter Berücksichtigung variabler wichtiger Modellierungsparameter.
• Entwicklung von Methoden zur Lösung gekoppelter inverser Probleme.
• Nutzung der Mess-/Testdaten zur Identifizierung der hochgenauen Modellierungsparameter durch Lösung des inversen Problems.
• Validierung des digitalen Modells gegen Testszenarien.
• Durchführung von Was-wäre-wenn-Analysen für die entwickelten digitalen Modelle.
• Entwicklung von Schnittstellen, um Feedback vom digitalen Zwilling an die physische Turbine zu geben.
• Verbesserung der Vorhersageeffizienz durch Einbeziehung von Lösungen aus Surrogatmodellen.

Erwartetes Profil

Wesentliche Qualifikationen

• Masterabschluss (oder gleichwertig) in Maschinenbau/Bauingenieurwesen/Computational Engineering oder einem verwandten Bereich.
• Starker Hintergrund in numerischen Methoden im Ingenieurwesen, computergestützter Mechanik, Modellierung und Simulation in CFD/FEA.
• Erfahrung in wissenschaftlicher Programmierung (mindestens Python und C++).
• Ausgezeichnete schriftliche und mündliche Englischkenntnisse.
• Sehr starke Teamarbeitfähigkeiten in internationalen, interdisziplinären Umgebungen.
• Sehr gute Selbstorganisation.

Wünschenswerte Fähigkeiten

• Sehr gute Kenntnisse in der Fluid-Struktur-Interaktion (FSI).
• Gute Erfahrung mit digitalen Zwillingen, Modellaktualisierung oder Strukturmechanik.
• Verständnis von Optimierung, inversen Problemen oder Sensitivitätsanalysen.
• Vertrautheit mit Surrogatmodellen (ROMs, ML-basierte Surrogate).
• Motivation für erneuerbare Energien und Windturbinentechnologie.

Was wir bieten

• Vollständig finanzierte MSCA-Doktorandenstelle.
• Teilnahme an einem hochmodernen Forschungsprojekt mit hoher gesellschaftlicher Bedeutung.
• Lebendige und inspirierende Forschungsumgebung innerhalb eines internationalen multidisziplinären Teams.
• Arbeiten an einer der führenden technischen Universitäten in Europa.
• Wettbewerbsfähiges Gehalt und Mobilitätszulage.

Die Position ist für Menschen mit Behinderungen geeignet. Bewerber mit Behinderungen werden bei allgemein gleichwertiger Eignung, Befähigung und beruflicher Leistung bevorzugt.

So bewerben Sie sich

Bitte reichen Sie Folgendes mit dem Betreff "Bewerbung für die COMBINE DC-Position" ein:

• Lebenslauf.
• Motivationsschreiben, in dem Sie Ihre Forschungsinteressen und Ihre spezifische Eignung für die angebotene Position beschreiben.
• Relevante Zertifikate und Diplome, Notenspiegel.
• Kontaktdaten von mindestens zwei Referenzen.

Alle anderen von COMBINE angebotenen Stellen finden Sie in den Datenschutzhinweisen gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Einreichung Ihrer Bewerbung bestätigen Sie, dass Sie die oben genannten Datenschutzinformationen der TUM zur Kenntnis genommen haben.