Fördergeber: Deutsche Forschungsgemeinschaft(DFG)
Projektbearbeitung: Christoph Thon
Zusammenfassung des Gesamtprojektes:
Rührwerksmühlen spielen eine zentrale Rolle in verschiedenen ultrafeinen Zerkleinerungsprozessen. Die Kombination aus gewählten Betriebsparametern und Suspensionseigenschaften bestimmt die kinetische Energie der Mahlkörper und beeinflusst bei Dauerbetrieb sowohl den Partikeltransport als auch die ungleichmäßige axiale Verteilung der Mahlkörper in der Mühle. Diese Faktoren sind entscheidend für das Zerkleinerungsverhalten und den Energieverbrauch. Insbesondere bei der Zerkleinerung von Produktteilchen bis in den Nanobereich ändern sich die Partikelgrößenverteilungen in der Mühle dynamisch. Ein Anstieg der Suspensionsviskosität beeinflusst direkt die Geschwindigkeit der Mahlkörper und somit auch die auf die Produktteilchen übertragene Energie. Zusätzlich wird das Bewegungsverhalten der Mahlkörper durch die Suspensionsviskosität beeinflusst. Mit sich verändernder Partikelgröße verschiebt sich so die benötigte Beanspruchungsenergie für eine ideale Partikelzerkleinerung. Der optimale Betriebspunkt in Mühlen ändert sich somit dynamisch, was gegenwertig bei der Auslegung und dem Betrieb von Rührwerkskugelmühlen kaum beachtet wird. Die Steuerung des Feinmahlprozesses unter Berücksichtigung der Wechselwirkungen zwischen Mahlkörperdämpfung, Partikelfestigkeit und optimalem Betriebspunkt erfordert ein echtzeitfähiges Modell, das diese dynamischen Eigenschaften berücksichtig. In diesem Projekt sollen hierzu Populationsbilanzen verwendet werden, Terme für Viskosität und räumliche Mahlkörperdynamiken sollen abgeleitet und ergänzt werden. Die Daten zur Modellierung werden experimentell und numerisch mit CFD-DEM Simulationen gewonnen. Prädiktive Modelle mit neuronalen Netzen und KI-Transferfunktionen zwischen Simulation und Experiment werden für Data-Augmentation verwendet. Auf Basis der von uns erweiterten Populationsbilanzen-Modelle wird unser Projektpartner, das Institut für Mathematische Optimierung, eine Echtzeitregelung der Rührwerkskugelmühle entwickeln.
Ziele und Aufgaben des iPAT
Etablierung einer Echtzeitmessung von Partikelgröße und Viskosität, direkt oder über einen KI getriebenen Soft-Sensor Ansatz
Experimentelle systematische Untersuchung des dynamischen Partikelgrößen- und Viskositäts-Eigenschaften
Numerische systematische Untersuchung der räumlichen Mahlkörperverteilung in der Mühle
Prädiktive Modelle auf Basis experimenteller Daten und numerischer Simulationen, Data Augmentation sowie Ableitung von Transferfunktionen über KI (speziell neuronalen Netzen und Genetische Programmierung)
Ableiten zusätzlicher Terme in Populationsbilanzen und Übergabe / Integration in die Regelung unseres Projektpartners
Projektpartner: Institut für Mathematische Optimierung (TU Braunschweig)