Search

Diese Arbeit befasst sich mit der Entwicklung eines hybriden Simulationsmodells zur Optimierung des Betriebsverhaltens von Dekantierzentrifugen. Konkret umfasst dies die Erweiterung eines dynamischen Prozessmodells, die Modellierung eines Algorithmus zur Berechnung von Degritting und die Entwicklung eines Grey-Box-Modells als hybriden Modellierungsansatz. Dekantierzentrifugen (kurz Dekanter genannt) sind spezielle Zentrifugen, welche einige Vorteile bei der großtechnischen Anwendung bieten. Sie sind unter anderem häufig in der Bergbauindustrie beispielsweise bei der Verarbeitung von Mineralien wie Calciumcarbonat (Fest-Flüssig Trennung, Klassierung, Degritting) im Einsatz, da sie kontinuierlich und in kurzer Zeit hohe Durchsätze verarbeiten können. Allerdings ist der Betrieb von Dekantierzentrifugen mit einem erhöhten Energieaufwand und dadurch Kosten verbunden. Deswegen sind Methoden und Modelle zur mathematischen Beschreibung von Dekantierzentrifugen wichtig, um den optimalen Betriebspunkt zu bestimmen und dadurch sowohl den Energieaufwand als auch die Prozesskosten zu senken. Des Weiteren bilden Berechnungsmethoden eine wichtige Grundlage bei der Dimensionierung neuer Dekantierzentrifugen, um den experimentellen Aufwand zu reduzieren oder sogar zu ersetzen. Bestehende Methoden waren bisher nicht ausreichend, um das dynamische Verhalten von feindispersen Suspensionen im gesamten Apparat zu beschreiben. Basierend auf einem dynamischen Modell für die Klassierung und den Sedimentaufbau im zylindrischen Teil von Dekantierzentrifugen erfolgt in der hier vorliegenden Arbeit die Erweiterung des Modells um den konischen Teil der Zentrifuge zur ganzheitlichen Betrachtung des Dekanters. Insbesondere bei der mechanischen Entfeuchtung ist das Materialverhalten im konischen Teil von entscheidender Bedeutung für den effizienten Betrieb von Dekantierzentrifugen. Weiterhin wird im Rahmen dieser Arbeit die Kompressionsfunktion zur Sedimentkonsolidierungsfunktion erweitert. Damit lässt sich zusätzlich der Effekt der Scherverdichtung charakterisieren und in der Simulation berücksichtigen. Der Vergleich von experimentellen Ergebnissen der Validierungsversuche im Labor-, Pilot- und Industriemaßstab mit Simulationen bestätigen sowohl die Scale-up Fähigkeit als auch die Übertragbarkeit des Simulationsmodells auf andere Produkte. Darüber hinaus erfolgt die Entwicklung eines Ansatzes zur Modellierung von Degritting (Abtrennung von Überkorn wie Mahlperlen aus dem eigentlichen Wertprodukt). Mehrphasensimulationen mittels Computational Fluid Dynamics dienen zur Ableitung einer Trennbedingung der unerwünschten Überkornpartikel aus der Suspensionen. Die Ergebnisse von Experimenten aus der industriellen Praxis stimmen sehr gut mit den Ergebnissen des Degritting Algorithmus überein. Diese Studien bestätigen, dass die hier entwickelte Simulationsmethode detaillierte Einblicke in das Abscheideverhalten liefert. In einigen praxisrelevanten Anwendungen, wie beispielsweise bei der Einstellung einer großen Teichtiefe innerhalb der Dekantierzentrifuge, können lokale Turbulenzen und Strömungen in einigen Bereichen der Zentrifuge das Abscheideverhalten der Partikel beeinflussen. Das Prozessmodell allein kann lokale Strömungseffekte auf das Abscheideverhalten bei solchen Teichtiefen nicht abbilden, da dies eine detaillierte Strömungssimulation erfordert und für diese Abhängigkeiten allgemein keine analytischen oder empirischen Gleichungen zur Verfügung stehen. Deswegen erfolgt im Rahmen dieser Arbeit die Entwicklung eines sogenannten hybriden Simulationsmodells, um zukünftig die beschriebenen Abhängigkeiten trotzdem abzubilden. Die Grey-Box-Modellierung stellt einen hybriden Modellierungsansatz dar, der aus einem parametrischen und einem nicht-parametrischen Modell besteht. Das parametrische Modell ist das zuvor entwickelte dynamische Prozessmodell, welches die physikalische Basis darstellt und als idealer Schätzer für den zu simulierenden Prozess dient. Darüber hinaus ist das nicht-parametrische Modell ein neuronales Netzwerk, das lernt die Simulationsdaten entsprechend zu korrigieren, falls im trainierten Bereich die Abweichungen zwischen Simulationsergebnissen und Trainingsdaten zu groß sind. Die Modellierung eines solchen statischen, parallelen Grey-Box-Modells für Dekantierzentrifugen ist in dieser Arbeit dargestellt. Die Ergebnisse bestätigen, dass es durch Training des neuronalen Netzwerkes möglich ist den Einfluss von lokalen Strömungseffekten auf das Abscheideverhalten von Partikeln innerhalb der Zentrifuge abzubilden. Generell ergeben sich dadurch neue Möglichkeiten das hybride Simulationsmodell zu erweitern. Zusätzliche Effekte lassen sich entweder über weitere Gleichungen in das parametrische Modell integrieren oder das neuronale Netz lernt durch gezielte Experimente die Zusammenhänge zu beschreiben. Mit der hier entwickelten und validierten Simulationsmethode ist es zukünftig möglich, das dynamische Verhalten von feindispersen Suspensionen unter Berücksichtigung der Scherverdichtung in der gesamten Dekantierzentrifuge zu beschreiben. Darüber hinaus liefert der neu entwickelte Degritting Algorithmus ein dynamisches Modell zur Berechnung für diese Anwendung. Insgesamt demonstrieren die Ergebnisse dieser Arbeit die Vorteile der Entwicklung von hybriden Simulationsmodellen bei der Optimierung des Betriebsverhaltens von Dekantierzentrifugen. Durch die gewonnenen Erkenntnisse ist es möglich, das Prozessverhalten von Dekantierzentrifugen effizienter und akkurater vorherzusagen. Dies erlaubt die Optimierung von Prozessketten und eröffnet neue Methoden in der Auslegung von Zentrifugen und deren Einsatz in der Prozesskette. Weiterhin bildet die Anwendung von hybriden Modellierungsansätzen wie hier am Beispiel der Dekantierzentrifuge eine wichtige Grundlage für die anwendungsorientierte Forschung angesichts der zunehmenden Digitalisierung.