Efficient algorithmic differentiation of CAD frameworks

Computer Aided Design (CAD) Werkzeuge sind essenzielle Bestandteile in industriellen Design Prozessen. Im Gegensatz zum großen Bereich der numerischen Strömungsmechanik (Computational Fluid Dynamics - CFD) wurden die geometrischen Sensitivitäten, für Gradienten-basierte Optimierung von CAD-parametrisierter Geometrie, bislang nur mit ungenauen Finiten Differenzen berechnet. In dieser Arbeit wird das Algorithmische Differenzieren (AD) auf drei CAD Ansätze angewandt, um die exakten Ableitungen zu berechnen. Im ersten Teil wird der Open-Source CAD Kernel Open CASCADE Technology (OCCT) durch die Anwendung des AD Werkzeugs ADOL-C differenziert. Außerdem wird das differenzierte OCCT mit dem diskreten adjungierten CFD Werkzeug STAMPS gekoppelt, welches an der Queen Mary University of London entwickelt wurde und AD verwendet, um Adjungierte zu berechnen. Diese Design Kette wird zur Gradienten-basierten Formoptimierung zweier industrierelevanter Beispiele genutzt: ein U-Rohr Kühlkanal und der TU Berlin (TUB) Stator. Im zweiten Teil wird der Rückwärtsmodus von ADOL-C in das proprietäre CAD und Gittergenerierung Werkzeug CADO, welches am von Karman Institute for Fluid Dynamics entwickelt wurde, integriert. Aufgrund des großen Speicherplatzbedarfs des differenzierten Programms wird der Code so modifiziert, dass die Struktur des Gittergenerierung-Algorithmus ausgenutzt wird, um die Effizienz zu erhöhen. Abschließend wird das proprietäre Rolls-Royce Schaufel Design Werkzeug Parablading betrachtet. Hier finden die AD Werkzeuge ADOL-C und Tapenade Einsatz. Das differenzierte Parablading wird mit einem diskreten adjungierten CFD Werkzeug, welches Teil der Rolls-Royce HYDRA Bibliothek ist und mit Hilfe von AD entwickelt wurde, gekoppelt. Die differenzierte Design Kette wird genutzt, um eine Gradienten-basierte Optimierung des TUB Stator Beispiels durchzuführen.Computer Aided Design (CAD) tools are considered essential for industrial design. However, contrary to e.g. Computational Fluid Dynamics (CFD) solvers, shape sensitivities for gradient-based optimization of CAD-parametrized geometries have been so far only available with inaccurate finite differences. Here, Algorithmic Differentiation (AD) is applied to three CAD libraries to obtain the exact derivative information. First, the open-source CAD kernel Open CASCADE Technology (OCCT) is differentiated using the AD software tool ADOL-C. Furthermore, the differentiated OCCT is coupled with the discrete adjoint CFD solver STAMPS, developed at Queen Mary University of London and also produced by AD. This differentiated design chain is demonstrated on the gradient-based shape optimization of two turbo-machinery test-cases: a U-bend cooling channel and the TU Berlin (TUB) stator. Second, the reverse mode of ADOL-C is integrated into the in-house CAD and mesh generation tool CADO developed at the von Karman Institute for Fluid Dynamics. However, due to large memory consumption of the differentiated sources, the source code is modified by exploiting the structure of the mesh generation algorithm to benefit from an improved efficiency. Finally, the Rolls-Royce in-house airfoil design and blade generation tool Parablading is differentiated using the AD software tools ADOL-C and Tapenade. The differentiated Parablading tool is coupled with a discrete adjoint CFD solver that is part of the Rolls-Royce in-house HYDRA suite of codes, also produced by AD. This differentiated design chain is utilized to perform gradient-based shape optimization of the TUB stator test-case.Mladen Banović ; Advisor: Prof. Dr. Andrea WaltherTag der Verteidigung: 13.12.2019Universität Paderborn, Dissertation, 201