Artificial Intelligence- and sensing-driven combustion burner

The upcoming introduction of hydrogen in transport systems will bring several challenges. The most important ones include the increased combustion temperature and the much faster combustion, which can lead to a backfire in the combustor with catastrophic consequences. To control these effects, structural health monitoring (SHM) with a distributed network of sensors will be of great importance. In addition, the much higher NOx content in the combustion gases resulting from the use of H2 can only be reduced by increasing the air/H2 premixing capacity. To this end, research into new designs and combustor configurations is essential. New advanced manufacturing technologies such as additive manufacturing (AM) are mature enough to replace the conventional technologies for a free-form, lightweight and more functional aircraft design.
SHM was developed with the aim of reducing the maintenance costs of aircraft structures by introducing automatic damage detection systems capable of detecting incipient cracks well below the critical size and almost without human intervention. With the introduction of SHM systems based on remote, nearby and embedded sensors, structural integrity inspections could be performed almost continuously. This can happen either in flight or during night-time stopovers without the need to disassemble the aircraft. This will be even more important with hydrogen-based engines due to the challenges mentioned above, and for this purpose, sensorization of components is essential. Embedding sensors in aircraft components and the huge amounts of data collected in the SHM can have benefits that go far beyond structural integrity control. Data collection in the SHM forms the basis for an artificial intelligence (AI)-enabled digital double that is the future of product development in many areas, including aircraft design. Digital twins based on AI are likely to trigger a complete reshaping of product design, which will increase efficiency, accelerate development and provide better design options that lead to much better performance.
Compared to decentralized sensors, embedded sensors collect much more critical data with higher precision. This is easier for aircraft parts made of polymer composites, but much more difficult for metal parts due to the very high temperatures and harsh environment. Therefore, new generations of sensors are needed that can collect data in such a harsh environment without being damaged.
crystAIr aims to develop and deploy a digital twin technology for the redesigned combustion burner (really? combustion burner?) as a key element of the engine, based on 1) the collection of key parameters of the burner by Piezocryst (embedded) and fiber optic sensors (FOS) (placed nearby) and 2) an integrated machine learning (ML) approach on the collected data to improve the performance of the hydrogen burner towards safe and seamless flow operation with minimal environmental impact.
To achieve this goal, the following challenges/issues need to be overcome
a) Combustion burner sensing: implementation of a suitable sensor network (1-3 sensors) for SHM data acquisition based on Piezocryst sensors embedded in the burner;
b) development of data acquisition strategies, including parameter selection and positioning of sensors as well as data processing and computing facilities, to improve hydrogen combustion burners in terms of flashback prevention, improved maintenance and NOx reduction by testing novel sensor-controlled H2 burners manufactured using AM technologies.
c) development of a hybrid digital twin based on an integrated component and combustion process modelling approach driven by AI-based solutions (XAL) with the aim of performing unsupervised mixture and flame control in the existing burner design.
The digital architecture is applied to a newly designed burner, which was manufactured using math-to-form strategies and additive manufacturing and is fully optimized for the combustion of hydrogen.
Three research institutions (JOANNEUM RESEARCH) and two SMEs (Combustion Bay One and Piezocryst) have joined forces for this joint project. They have proven and recognized capabilities in additive manufacturing, sensor technology, AI-based development of digital twin technology and air engine burner design, as well as laboratory testing under representative application conditions.

[Original text]
"Artificial Intelligence- and sensing-driven combustion burner"
Die bevorstehende Einführung von Wasserstoff in Verkehrssystemen wird mehrere Herausforderungen mit sich bringen. Zu den wichtigsten gehören die erhöhte Verbrennungstemperatur und die viel schnellere Verbrennung, die zu einem Rückschlag im Brenner mit katastrophalen Folgen führen kann. Um diese Effekte zu kontrollieren wird die strukturelle Gesundheitsüberwachung (SHM) mit einem verteilten Netzwerk von Sensoren von großer Bedeutung sein. Darüber hinaus kann der viel höhere NOx-Gehalt in den Verbrennungsgasen, der sich aus der Verwendung von H2 ergibt, nur durch die Erhöhung der Luft/H2-Vormischungskapazität verringert werden. Zu diesem Zweck ist die Erforschung neuer Konstruktionen und Brennerkonfigurationen von wesentlicher Bedeutung. Neue fortschrittliche Fertigungstechnologien wie die additive Fertigung (AM) sind soweit ausgereift, um die konventionellen Technologien für ein freiformiges, leichtes und funktionelleres Flugzeugdesign zu ersetzen.
SHM wurde mit dem Ziel entwickelt, die Wartungskosten von Flugzeugstrukturen durch die Einführung automatischer Schadenserkennungssysteme zu senken, die in der Lage sind, beginnende Risse weit unterhalb der kritischen Größe und fast ohne menschliches Eingreifen zu erkennen. Mit der Einführung von SHM-Systemen, die auf ferngesteuerten, nahegelegenen und eingebetteten Sensoren beruhen, könnten Inspektionen der strukturellen Integrität fast kontinuierlich durchgeführt werden. Dies kann entweder während des Fluges oder während nächtlicher Zwischenlandungen, ohne dass das Flugzeug zerlegt werden muss, passieren. Dies wird bei wasserstoffbasierten Triebwerken aufgrund der oben genannten Herausforderungen noch wichtiger sein, und zu diesem Zweck ist die Sensorisierung von Komponenten unerlässlich.  Die Einbettung von Sensoren in Flugzeugkomponenten und die riesigen Datenmengen, die im SHM gesammelt werden, können einen Nutzen haben, der weit über die Kontrolle der strukturellen Integrität hinausgeht. Die Datenerfassung im SHM bildet die Grundlage für ein mit künstlicher Intelligenz (KI) ausgestattetes digitales Double, das die Zukunft der Produktentwicklung in vielen Bereichen, einschließlich der Flugzeugkonstruktion, darstellt. Digitale Zwillinge, die auf KI basieren, werden wahrscheinlich eine völlige Umgestaltung des Produktdesigns auslösen, was die Effizienz steigern, die Entwicklung beschleunigen und bessere Designoptionen liefern wird, die zu einer viel besseren Leistung führen. 
Im Vergleich zu dezentralen Sensoren erfassen eingebettete Sensoren viel mehr kritische Daten mit höherer Präzision. Bei Flugzeugteilen aus Polymer-Verbundwerkstoffen ist dies einfacher, bei Metallteilen aufgrund der sehr hohen Temperaturen und der rauen Umgebung jedoch sehr viel schwieriger.  Daher werden neue Generationen von Sensoren benötigt, die in einer solch rauen Umgebung Daten erfassen können, ohne beschädigt zu werden.
crystAIr zielt darauf ab, eine digitale Zwillingstechnologie für den neu gestalteten Verbrennungsbrenner (wirklich? Verbrennungsbrenner?) als Schlüsselelement des Triebwerks zu entwickeln und einzusetzen, die auf 1) der Erfassung von Schlüsselparametern des Brenners durch Piezocryst (eingebettet) und faseroptische Sensoren (FOS) (in der Nähe platziert) und 2) einem integrierten Ansatz für maschinelles Lernen (ML) für die erfassten Daten basiert, um die Leistung des Wasserstoffbrenners im Hinblick auf einen sicheren und nahtlosen Durchflussbetrieb mit minimalen Auswirkungen auf die Umwelt zu verbessern. 
Um dieses Ziel zu erreichen, müssen die folgenden Herausforderungen/Problemstellungen überwunden werden
a) Sensorik des Verbrennungsbrenners: Implementierung eines geeigneten Sensornetzwerks (1-3 Sensoren) für die SHM-Datenerfassung, basierend auf im Brenner eingebetteten Piezocryst-Sensoren;
b) Entwicklung von Datenerfassungsstrategien, einschließlich der Auswahl von Parametern und der Positionierung der Sensoren sowie der Datenverarbeitung und der Recheneinrichtungen, zur Verbesserung von Wasserstoffverbrennungsbrennern im Hinblick auf die Vermeidung von Flammenrückschlägen, eine verbesserte Wartung und die Reduzierung von NOx durch die Erprobung neuartiger sensorgesteuerter H2-Brenner, die mit Hilfe von AM-Technologien hergestellt werden.
c) Entwicklung eines hybriden digitalen Zwillings auf der Grundlage eines integrierten Ansatzes zur Modellierung von Komponenten und Verbrennungsprozessen, angetrieben durch KI-basierte Lösungen (XAL), mit dem Ziel, eine unüberwachte Gemisch- und Flammenkontrolle in der bestehenden Brennerkonstruktion durchzuführen.
Die digitale Architektur wird auf einen neu konstruierten Brenner angewendet, der mit Hilfe von Mathematik-zu-Form-Strategien und additiver Fertigung hergestellt und vollständig für die Verbrennung von Wasserstoff optimiert wurde.
Für dieses Gemeinschaftsprojekt haben sich drei Forschungseinrichtungen (JOANNEUM RESEARCH) sowie zwei KMUs (Combustion Bay One und Piezocryst) zusammengeschlossen. Sie verfügen über nachgewiesene und anerkannte Kapazitäten in den Bereichen additive Fertigung, Sensortechnologie, KI-basierte Entwicklung von digitaler Zwillingstechnologie und Konstruktion von Luftmotorbrennern sowie Labortests unter repräsentativen Anwendungsbedingungen.