Suche
Anzeige der Treffer 1871-1880 von 1881
Bereiche und Sammlungen, die Ihrer Suche entsprechen.
Eine große Fragestellung bei der Auslegung von kuchenbildenden Filtrationsprozessen ist immer noch: Welche Filtrationseigenschaften besitzt ein gegebenes Partikelsystem? Nach dem Stand der Technik ermöglichen die etablierten Korrelationen, wie die Carman-Kozeny-Gleichung, es nicht aus einer Partikelgrößenverteilung den spezifischen Filtrationswiderstand oder die Kapillardruckverteilung mit technisch ausreichender Genauigkeit zu berechnen. Daher existieren in diesem Gebiet viele spezifische empirische Ansätze, die nur für enge Betriebsfenster jeweils validiert wurden und so keine Allgemeingültigkeit aufweisen. Für eine Prozesssimulation kann damit der Schritt von verteilten Partikeleigenschaften zu Poreneigenschaften nicht abgebildet werden. Das Ziel des Vorhabens ist daher die Korrelation von verteilten mehrdimensionalen Partikeleigenschaften, d.h., es wird neben Partikelgröße auch bspw. die Partikelform als verteilte Größe berücksichtigt, mit verteilten Kenngrößen der 3D-Morphologie von Filterkuchen, die aus diesen Partikeln gebildet werden. Als solche Kenngrößen können Porenradien- oder Tortuositätsverteilungen genannt werden. Hierzu werden experimentelle verfahrenstechnische Methoden mit digitalen computerbasierten Analyse- und Modellierungstechniken kombiniert. Analytische Partikelgrößenmessungen und tomographische Bilddaten der betrachteten Partikelsysteme und der daraus resultierenden Filterkuchenstrukturen dienen dabei als Grundlage für die Charakterisierung der Partikeleigenschaften und der 3D-Morphologie von zwei- und dreiphasigen Filterkuchen mittels parametrischer stochastischer Modelle. Einerseits werden die mehrdimensionalen Verteilungen von Partikeleigenschafts-Vektoren (z.B. Partikelgröße und Formkenngrößen) sowie von Kenngrößen des resultierenden mehrphasigen Filterkuchens mit parametrischen Copula-Ansätzen modelliert. Andererseits werden parametrische 3D Strukturmodelle kalibriert, um zusätzliche virtuelle 3D-Strukturen, so genannte digitale Zwillinge, von Partikeln bzw. mehrphasigen Filterkuchensystemen zu generieren, die im statistischen Sinne zu den tomographischen Bilddaten äquivalent sind. Sowohl die Copula-Modelle als auch die 3D-Strukturmodelle lassen sich mit nur wenigen Parametern beschreiben, wodurch eine effiziente Charakterisierung der jeweiligen Partikel- und Porensysteme erzielt wird. Anschließend werden Regressionsansätze verwendet, um Transferfunktionen aufzustellen, die Parameter der Modelle zur Beschreibung der Partikelsysteme auf die Parameter zur Beschreibung der Filterkuchenstrukturen abbilden. Diese Korrelation soll zukünftig prädiktive Aussagen zum auf Struktureigenschaften basierenden Prozessverhalten (bspw. Entfeuchtung, Waschung, Dispersion) eines Filterkuchens ermöglichen, die lediglich aus der Kenntnis der (multivariaten) Wahrscheinlichkeitsverteilung der zugrundeliegenden mehrdimensionalen Partikeleigenschaften abgeleitet werden.
Image data from µ-CT measurements of filter cakes, which serve as a model basis and validation of the artificial filter cakes for the publication. abstract: In order to link the properties of a feed stream to those of a product stream in separation operations such as cake filtration, a more comprehensive database is required. For this purpose, a stochastic 3D model for generation of virtual filter cake structures is constructed and calibrated to tomographic image data of experimentally built filter cake structures. Within this model, artificial particles are simulated using mixed Gaussian random fields on a sphere, which are then spatially arranged to form a three-dimensional artificial filter cake that is validated with respect to geometric descriptors that were not used for model fitting, such as constrictivity, porosity, tortuosity and specific surface area. By adjusting interpretable parameters of the model, a large data base of systematically varying artificial filter cakes can be generated, allowing for transfer functions to be determined and structure-property relationships to be statistically investigated.
Dataset to the publication “Influence of different discharge levels on the mechanical recycling efficiency of lithium-ion batteries”
Dataset for the publication "Evaluating the influence of discharge depths of lithium-ion batteries on the mechanical recycling process".