Michael Mitterlindner

Michael Mitterlindner
Dipl.-Ing. BSc

Tel.: +43 316 873 - 30411

Über mich

Ich habe 2018 mein Studium der Chemieingenieurwissenschaften an der Technischen Universität Graz begonnen. Nach meinem Bachelorabschluss habe ich einen Master in Chemieingenieurwissenschaften mit den Schwerpunkten Systemtechnik und Verfahrenstechnik absolviert. Während meines Masterstudiums wuchs meine Faszination für verschiedene Simulationsmethoden und -techniken. Dieses Interesse führte mich zum Institut für Verfahrenstechnik und Partikeltechnik, wo ich CFD-Simulationen zur Vorhersage von Potenzialverteilungen im Waferätzprozess einsetzte. Darüber hinaus war ich an einem Projekt beteiligt, das das Strömungsverhalten bei der Dekontamination von Reinräumen mit H2O2 untersuchte. Im Rahmen meiner Masterarbeit am Institut für Chemie- und Umwelttechnik entwickelte und implementierte ich einen Optimierungsalgorithmus, der darauf abzielt, optimale Parameter thermodynamischer Modelle auf der Grundlage experimenteller Daten unter Verwendung einer Machine-Learning-Strategie zu bestimmen. Im Jahr 2023 begann ich meine Promotion am Institut für Verfahrenstechnik und Partikeltechnik unter der Leitung von Stefan Radl.

Forschungsschwerpunkt

Ich arbeite für das LEAD-Projekt „DigiBioTech“ mit Schwerpunkt auf Reduced Order Modelling (ROM). Meine Forschung nutzt unüberwachtes Clustering, um intelligente Kompartimente für effiziente Mehrphasensimulationen zu identifizieren. Durch die Automatisierung der Umwandlung komplexer CFD-Daten in schnelle Netzwerkmodelle erfasst dieser Ansatz explizit den Massenaustausch zwischen den Phasen, um eine Prozesssteuerung und -gestaltung in Echtzeit zu ermöglichen.

Dieser Workflow ist in CLARA (Clustering Algorithm and Applications) implementiert, einem Open-Source-Softwarepaket, das mit OpenFOAM®, Fluent® und SimVantage® kompatibel ist. Derzeit ist es für Euler-Daten optimiert, aber ich erweitere diesen Ansatz auf Cluster-(CFD-)DEM-Ergebnisse. Diese Erweiterung wird eine effiziente Modellierung von Lagrange-Systemen ermöglichen, wie z. B. Blasenströmungen und Batterietrocknungsprozesse.

Laden Sie CLARA auf GitLab herunter (Link: https://gitlab.tugraz.at/simSci/clara-public.git)

Ich bin außerdem auf die Vorhersage von Wärmestrahlung spezialisiert, mit einer primären Anwendung in Batterie-Thermal-Runaway-Simulationen. Die genaue Modellierung der Wärmeausbreitung in diesen dichten Systemen ist für Sicherheitsbewertungen von entscheidender Bedeutung, jedoch rechnerisch sehr aufwendig. Ein wichtiger Teil meiner Forschung besteht darin, effiziente geometrische Näherungen zur Vorhersage von Sichtfaktoren für Partikel zu finden, um die hohen Kosten des Standard-Raytracing zu vermeiden.

Darüber hinaus habe ich kürzlich die Genauigkeit der (strahlungsbedingten) Wärmeübertragung in grobkörnigen CFD-DEM-Simulationen verbessert. Dadurch wird sichergestellt, dass Temperaturspitzen auch bei Verwendung vereinfachter Partikelmodelle zur Erhöhung der Simulationsgeschwindigkeit korrekt erfasst werden.

Lesen Sie die Veröffentlichung (Link: doi.org/10.1016/j.partic.2025.07.003 )

Abgeschlossene Forschung

Das bereits abgeschlossene Forschungsprojekt „Ni2Steel” zielte darauf ab, den Recyclingprozess von NiMH-Batterien zu verbessern. Das Hauptziel meiner Forschung war die Modellierung extrem komprimierbarer und kohäsiver Materialien mit Hilfe der Diskreten Elementmethode (DEM). Neben den mechanischen Eigenschaften ist aus Sicherheitsgründen und für die Konstruktion weiterer Anlagen eine genaue Modellierung der Wärmeleitung innerhalb des Schüttguts unerlässlich. Mein Ziel war es, anhand von experimentellen Daten die Simulationsparameter für DEM zu optimieren, um eine realistische Darstellung der Fließ- und Wärmeleitungseigenschaften von zerkleinerten Batterien zu ermöglichen. Darüber hinaus plane ich, KI-gestützte Modelle und intelligente Optimierungsalgorithmen einzusetzen, um die geeigneten Parameter für die Simulation effizient zu ermitteln.

Figure 2. CT-Scan of the battery recyclate