Wissenschaftliche/r Mitarbeiter/in (w/m/d) - Numerische Simulation von Instabilitäten in Hyperschall

Das erwartet dich

In der Abteilung Hochgeschwindigkeitskonfigurationen erforschen wir die Aerodynamik von schnell fliegenden Flugzeugen und Flugkörpern bei Trans-, Über- und Hyperschallgeschwindigkeiten. Wir entwickeln Know-how und innovative Technologien für zukünftige Fluggeräte, die eine Verbesserung der Flugleistungen und eine Verminderung umweltschädlicher Emissionen ermöglichen.
Erweitere mit uns das Verständnis, wie Instabilitäten in Hyperschall-Grenzschichten angeregt werden und sich entwickeln. Untersuche, wie Freistromstörungen die Laminar-Turbulent-Transition an einem gekühlten Kegel beeinflussen, damit sich Windkanalergebnisse verlässlicher auf den Flug übertragen lassen.

Deine Aufgaben

Untersuchung der Rezeptivität einer gekühlten Hyperschall-Grenzschicht gegenüber Freistromstörungen mittels direkter numerischer Simulation (DNS).
Entwicklung eines Verfahrens zur Abschätzung der akustischen und der Entropiestörungen aus Messdaten der fokussierten Laser-Differenz-Interferometrie (FLDI), mit dem Ziel, den Einfluss der Störungsumgebung eines Windkanals auf die Laminar-Turbulent-Transition zu quantifizieren.

Das bringst du mit

• abgeschlossenes wissenschaftliches Hochschulstudium (Master/Diplom Uni) der Ingenieurwissenschaften (z.B. der Fachrichtung Luft- und Raumfahrttechnik oder Maschinenbau) oder der Naturwissenschaften (z.B. der Fachrichtung Physik) oder andere für die Tätigkeit relevante Studiengänge
• Kenntnisse in Strömungsmechanik und Aerodynamik, insbesondere zur Stabilität und Transition kompressibler Grenzschichten bei Überschall- und Hyperschallgeschwindigkeit (z.B. Mack-Moden)
• Erfahrung in der direkten numerischen Simulation (DNS) kompressibler Strömungen mit hochgenauen numerischen Verfahren auf Hochleistungsrechnern (CPU- und GPU-Systeme)
• Kenntnisse der linearen Stabilitätstheorie und Erfahrung in der Auswertung von Störungsentwicklungen (Fourier- und Modenanalyse)
• gute Programmierkenntnisse (Python sowie Fortran oder C/C++) und sicherer Umgang mit Linux sowie bereits erste Erfahrungen mit statistischen Inferenzverfahren oder Methoden des maschinellen Lernens
• sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift sowie eine eigenverantwortliche, strukturierte Arbeitsweise, Kommunikations- und Teamfähigkeit