Detailseite
Projekt
Bruchmechanismen in heterogenenen Strukturen - Verknüpfung der Mikrostruktur der EnAM mit dem Bruch- bzw. Aufschlussverhalten
Antragsteller
Professor Dr.-Ing. Urs Peuker
Fachliche Zuordnung
Mechanische Verfahrenstechnik
Förderung
Förderung seit 2021
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 470551727
Die mechanische Aufbereitung von Schlacken mit maßgeschneiderten künstlichen Mineralien (EnAM), erfordert diese vor der physikalischen Sortierung aufzuschließen. Da sich die Struktur- und Materialeigenschaften von Schlacken mit amorphen und kristallinen Anteilen von denen mineralischer Erze unterscheiden, wird deren Bruch- und Aufschlussverhalten näher betrachtet. Letzteres beschreibt die Erzeugung von einphasigen Partikeln, entweder Matrix oder EnAM-Material, in der Zerkleinerung. Es wird ein neues Prozessmodell entwickelt, das Informationen über die interne Heterostruktur der EnAM-Schlacken, mit ihrem makroskopischen Aufschlussverhalten verknüpft. Es ist bekannt, dass die innere Struktur eines Minerals während der Zerkleinerung mit dem fortschreitenden Riss interagieren kann. Die Effizienz des Aufschlusses hängt davon ab, ob die Rissausbreitung zufällig ist oder durch lokale Materialeigenschaften beeinflusst wird. Es erfolgt die Analyse der Bruchebenen innerhalb der heterogenen Struktur der EnAM-haltigen Schlacke, um einen Zusammenhang zum vorherrschenden Rissmechanismus herzustellen. Da die gesamte Bruchebene nur mit 3D-Bildern aufgelöst werden kann, basiert ihre Identifizierung und Quantifizierung auf Computertomographie-Daten (CT). EnAM-haltige Schlackepartikel werden im CT in-situ zerkleinert, so dass die Ausgangsstruktur sowie die entstehenden Bruchstücke in 3D erfasst werden. Die Bilder der Bruchstücke werden virtuell rekonstruiert, um eine oder mehrere Bruchebenen zu identifizieren. Das Prozessmodell muss komplexe Informationen korrelieren, die die innere Struktur des Ausgangspartikels und seiner Bruchstücke im Hinblick auf den Aufschluss beschreiben. Eine direkte analytische Korrelation der Daten ist nicht möglich, daher wird die Struktur der Partikel und der Bruchebene durch Proxies beschrieben. Bei den Proxies handelt es sich entweder um bekannte geometrische Parameter oder um abstrakte Parameter, die durch Aggregation der Bilddaten über so genannte Autoencoder erzeugt werden können. Hier werden die Bilddaten zu einem abstrakten Muster komprimiert. Beide Arten von Proxies werden als Trainingsdaten für einen maschinellen Lernansatz verwendet, der darauf abzielt, die ursprüngliche Struktur der EnAM-haltigen Schlacken mit dem Aufschlussmechanismus und dem erreichten Aufschlussgrad zu korrelieren. Da experimentelle Trainingsdaten nur begrenzt verfügbar sind, werden zusätzliche Bilder auf der Grundlage statistischer Informationen oder in Zusammenarbeit mit den Strukturmodellen der DEM-Simulationen generiert. Diese Daten bieten die Möglichkeit, spezifische Bruchphänomene zu trainieren, die in der Literatur beschrieben, aber noch nicht eindeutig experimentell beobachtet wurden. Für die Validierung werden 3D-Bilddaten von Li-haltigen EnAM-Schlacken verwendet. Da das maschinelle Lernmodell mit Proxies arbeitet, wird evaluiert, ob das Modell auch in der Lage ist, Proxies aus weniger anspruchsvollen Quellen, d. h. 2D-Bildern, zu verwenden.
DFG-Verfahren
Schwerpunktprogramme
