×
![]( "Buchcover ISBN 9783941277366")
Entwicklung und Anwendung eines innovativen Konzepts zur Inline-Charakterisierung von Stoffgemischen in kontinuierlichen Massenströmen mittels der Acoustic Emission Technologie
Von der Fakultät für Georessourcen und Materialtechnik der Rheinisch-Westfälischen Technischen Hochschule Aachen zur Erlangung des akademischen Grades eines Doktors der Ingenieurwissenschaften genehmigte Dissertation
von Tobias Vraetz, herausgegeben von Karl NienhausDie Herausforderung der weltweiten Rohstoffwirtschaft besteht darin, den steigenden
Bedarf an Primärrohstoffen, trotz sinkender Wertstoffgehalte und komplizierterer
Lagerstättengegebenheiten, weiterhin decken zu können. Aus diesem Grund
werden Strategien für eine nachhaltige und technologiebasierte Entwicklung des
Bergbaus von der Gesellschaft gefordert.
Ein wichtiger Baustein zur Erreichung dieser Forderungen ist die Entwicklung und
Implementierung innovativer Technologien und Verfahren, um die Effizienz der Teilschritte
Gewinnung, Transport, Qualitätssteuerung, Aufbereitung und Verladung/
Verkippung zu steigern. Neben der Entwicklung von Technologien für zukünftige
Abbauverfahren gibt es heutzutage noch Herausforderungen hinsichtlich des
Transports von Stoffströmen, die bisher nicht zufriedenstellend gelöst werden
konnten. Eine wesentliche Voraussetzung zur gezielten, autonomen Disposition von
Massenströmen ist eine kontinuierlich zur Verfügung stehende Information über
deren Zusammensetzung. Erst das Wissen über die Zusammensetzung ermöglicht
eine optimierte Weiterverarbeitung in nachgeschalteten Aufbereitungsanlagen
oder die gezielte Aufhaldung bei einer qualitätsabhängigen Verkippung.
Innerhalb dieser Arbeit wird ein indirektes Verfahren zur Charakterisierung von
Stoffströmen auf Basis der Acoustic Emission Technologie vorgestellt. Neben dem
Stand der Forschung zur Charakterisierung von Rohstoffen werden die Grundlagen
der verwendeten Technologie sowie Verfahren zur Bewertung von Stoffströmen
erläutert. Ein Fokus liegt dabei auf der Evaluation von Methoden aus dem Bereich
des Machine Learnings. Im Rahmen von Machbarkeitsstudien im Technikumsmaßstab
werden verschiedene Methoden an idealen Referenzstoffströmen sowie
natürlichen Massenströmen erprobt. Auf die Entwicklung der Auswertealgorithmen
folgt die Durchführung praxisnaher Feldtests im industriellen Umfeld. Basierend auf
den Ergebnissen wird das Konzept eines Inline-Messsystems zur Stoffstromcharakterisierung
für den Einsatz in der Rohstoffindustrie erarbeitet und die angewandte
Methodik nach derzeitigem Erkenntnisstand bewertet. Die Arbeit schließt mit
einer Zusammenfassung relevanter Ergebnisse sowie einem Ausblick zu zukünftigen
Einsatzbereichen und Optimierungspotentialen.
Bedarf an Primärrohstoffen, trotz sinkender Wertstoffgehalte und komplizierterer
Lagerstättengegebenheiten, weiterhin decken zu können. Aus diesem Grund
werden Strategien für eine nachhaltige und technologiebasierte Entwicklung des
Bergbaus von der Gesellschaft gefordert.
Ein wichtiger Baustein zur Erreichung dieser Forderungen ist die Entwicklung und
Implementierung innovativer Technologien und Verfahren, um die Effizienz der Teilschritte
Gewinnung, Transport, Qualitätssteuerung, Aufbereitung und Verladung/
Verkippung zu steigern. Neben der Entwicklung von Technologien für zukünftige
Abbauverfahren gibt es heutzutage noch Herausforderungen hinsichtlich des
Transports von Stoffströmen, die bisher nicht zufriedenstellend gelöst werden
konnten. Eine wesentliche Voraussetzung zur gezielten, autonomen Disposition von
Massenströmen ist eine kontinuierlich zur Verfügung stehende Information über
deren Zusammensetzung. Erst das Wissen über die Zusammensetzung ermöglicht
eine optimierte Weiterverarbeitung in nachgeschalteten Aufbereitungsanlagen
oder die gezielte Aufhaldung bei einer qualitätsabhängigen Verkippung.
Innerhalb dieser Arbeit wird ein indirektes Verfahren zur Charakterisierung von
Stoffströmen auf Basis der Acoustic Emission Technologie vorgestellt. Neben dem
Stand der Forschung zur Charakterisierung von Rohstoffen werden die Grundlagen
der verwendeten Technologie sowie Verfahren zur Bewertung von Stoffströmen
erläutert. Ein Fokus liegt dabei auf der Evaluation von Methoden aus dem Bereich
des Machine Learnings. Im Rahmen von Machbarkeitsstudien im Technikumsmaßstab
werden verschiedene Methoden an idealen Referenzstoffströmen sowie
natürlichen Massenströmen erprobt. Auf die Entwicklung der Auswertealgorithmen
folgt die Durchführung praxisnaher Feldtests im industriellen Umfeld. Basierend auf
den Ergebnissen wird das Konzept eines Inline-Messsystems zur Stoffstromcharakterisierung
für den Einsatz in der Rohstoffindustrie erarbeitet und die angewandte
Methodik nach derzeitigem Erkenntnisstand bewertet. Die Arbeit schließt mit
einer Zusammenfassung relevanter Ergebnisse sowie einem Ausblick zu zukünftigen
Einsatzbereichen und Optimierungspotentialen.