Technische Universität Bergakademie Freiberg: Qucosa
Not a member yet
1431 research outputs found
Sort by
Rohstoffliche und verfahrenstechnische Einflussfaktoren der Pyrolyse biogener Rohstoffe
Get PDFDie vorliegende Arbeit beschäftigt sich mit rohstofflichen und verfahrenstechnischen Einflussfaktoren bei der Biomassepyrolyse. Ausgehend von der Entwicklung einer kleintechnischen Festbettpyrolyseapparatur, erfolgten experimentelle Untersuchungen an 26 biogenen Einsatzstoffen unter verschiedenen Prozessbedingungen. Die Apparatur erlaubt eine vollständige Bilanzierung und Gewinnung aller Produkte, zudem können Einflüsse durch sekundäre Reaktionen in der Gasphase minimiert werden.
Die Einsatzstoffe, welche u. a. auch Zellstoff, Xylan und Alkali-Lignin einschließen, wurden hinsichtlich brennstofftechnischer und physikalischer Eigenschaften sowie der Stoffgruppenzusammensetzung charakterisiert. Sie repräsentieren eine große Bandbreite möglicher Zusammensetzungen. Bei den Prozessparametern wurde die Pyrolysetemperatur im Bereich von 200 bis 750 °C, die Aufheizrate zwischen 5 und 100 K/min, die Feststoffverweilzeit von 0 bis 30 min sowie die Partikelgröße (0 bis 5 mm) variiert. Aus den Untersuchungen zum Einfluss der Prozessparameter für die verschiedenen Einsatzstoffe wurden unter Anwendung einer geeigneten Bilanzierungsmethodik geschlossene Masse- und Elementbilanzen für jeden Versuchspunkt aufgestellt.
Unter den Prozessvariablen konnte die Temperatur erwartungsgemäß als wichtigste Einflussgröße identifiziert werden. Der zweistufige Zersetzungsverlauf der Biomassen ermöglicht die mathematische Beschreibung der temperaturabhängigen Ausbeuten mittels der zweistufigen Boltzmann-Funktion für den gesamten Temperaturbereich mit hohen Bestimmtheitsmaßen. Die rohstofflichen Einflussgrößen wurden unter Anwendung der Rangkorrelationsmethode nach Spearman und der Produkt-Moment-Korrelation nach Pearson mit den definierten Zielgrößen (Ausbeuten, Produktzusammensetzung, Kokseigenschaften, Heizwerte, Energieeinbindung) bei verschiedenen Pyrolysetemperaturen korreliert. Neben der Stoffgruppenzusammensetzung konnten bei den rohstofflichen Einflussfaktoren die Gehalte an Alkalien sowie der Gesamtgehalt an potentiell katalytisch aktiven Bestandteilen (Na, K, Mg, Ca, Fe) als Haupteinflussgrößen identifiziert werden. Korrelationen ergeben sich auch für brennstofftechnische Eigenschaften, wobei neben dem Flüchtigen- und dem Aschegehalt, das O/C-Verhältnis signifikant ist. Die gefundenen statistischen Zusammenhänge können weitestgehend mechanistisch begründet werden.
Zur Quantifizierung der ermittelten Zusammenhänge für die Zielgrößen wurden multiple Regressionsmodelle erstellt und anhand von Bestimmtheitsmaß, Informationskriterium und mittleren Modellfehlern bewertet. Somit konnten 42 Regressionsgleichungen für die Produktausbeuten bei verschiedenen Pyrolysetemperaturen entwickelt werden, die auf den Gehalten verschiedener Stoffgruppen und dem Gesamtgehalt an katalytisch aktiven Elementen basieren.
Weitere 56 Regressionsgleichungen stehen für die Berechnung von Teer/Öl-Elementarzusammensetzung, Kokszusammensetzung, Teer/Öl-Heizwert sowie Energieeinbindung im Koks bei verschiedenen Pyrolysetemperaturen zur Verfügung.
Die Prognoseeignung der Gleichungen wurde anhand eines weiteren Datensatzes für Apfeltrester überprüft. Für die Koks-, die Gas- und die Kondensatausbeute sowie die genannten Produkteigenschaften ergab sich eine gute Vorhersagequalität, die jedoch stark von der verwendeten Gleichung abhängt. Die Validierung mit Literaturdaten konnte aufgrund fehlender Datensätze, die sowohl die notwendigen Rohstoffparameter als auch Produktausbeuten und -eigenschaften enthalten, nur anhand der Koksausbeute erfolgen. Für verschiedene Biomassen und biogene Reststoffe führte dies zu einer guten Anpassung.
Die mathematische Beschreibung der Ausbeuten und bestimmter Produkteigenschaften über Regressionsgleichungen auf Grundlage von Rohstoffparametern stellt einen vielversprechenden Ansatz für die Vorhersage der maximalen Ausbeuten bei bestimmten Bedingungen dar. Dies ermöglicht eine Abschätzung zur Einsatzeignung von Biomassen bzw. biogenen Reststoffen für verschiedene Anwendungszwecke. Bisher existiert kein derartiges Modell zur Vorhersage der definierten Zielgrößen.
Grundsätzlich wäre die Entwicklung einfacher Gleichungen mit wenigen, einfach bestimmbaren und standardisierten Parametern erstrebenswert. Die Ergebnisse haben jedoch gezeigt, dass Ein-Variablen-Modelle die Trends zwischen den Biomassen aufgrund der komplexen Zusammenhänge zwischen Pyrolyseverhalten und Rohstoffparametern häufig nicht richtig wiedergeben können. Für robuste Modelle sind somit mindestens zwei unabhängige Modellparameter mit idealerweise gegensätzlichem Einfluss notwendig.:Abkürzungs- und Symbolverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x
Abbildungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
Tabellenverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii
1 Einleitung und Zielstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Kenntnisstand . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Zusammensetzung und Struktur von Lignocellulosen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Allgemeine chemische Zusammensetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.2 Struktureller Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.3 Vorkommen und Einbindungsformen von anorganischen Bestandteilen . . . . . . . . . . . . . . . . . . . 14
2.2 Möglichkeiten zur Untersuchung der Pyrolyse von Biomassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 Untersuchungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Verwendete Reaktoren zur Untersuchung der Biomassepyrolyse . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Reaktionsabläufe bei der Biomassepyrolyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Einflussfaktoren auf Pyrolyseproduktverteilung und -eigenschaften . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.1 Einfluss rohstofflicher Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.2 Einfluss verfahrenstechnischer Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.5 Beschreibung und Vorhersage des Pyrolyseverhaltens von Biomasse . . . . . . . . . . . . . . . . . . . . . 39
2.5.1 Empirische Modelle basierend auf statistischen Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5.2 Kinetische Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.3 Modelle auf Basis der Stoffgruppenzusammensetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.5.4 Netzwerkpyrolysemodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6 Schlussfolgerungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3 Untersuchungsmethodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1 Einsatzmaterialien und deren Charakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1.1 Biomassen und Vorbehandlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1.2 Charakterisierungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Entwicklung einer apparativen Einrichtung zur Bilanzierung des Biomassepyrolyseprozesses . . . 55
3.2.1 Anforderungen und Zielstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.2 Konzeption, Dimensionierung und Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2.3 Endgültige Konfiguration der Laborpyrolyseanlage (LPA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.3 Durchführung der Bilanzversuche an der LPA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .66
3.3.1 Parametervariationen bei der Festbettpyrolyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.2 Versuchsvorbereitung und -durchführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.3 Produktrückgewinnung und -aufarbeitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4 Methodik bei der Bilanzierung des Pyrolyseprozesses im Festbettreaktor . . . . . . . . . . . . . . . . . . 69
3.4.1 Bilanzgleichungen und -annahmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4.2 Fehlerabschätzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4 Ergebnisse zur Charakterisierung der Einsatzmaterialien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.1 Brennstofftechnische Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2 Chemisch-strukturelle Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.3 Physikalische Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .86
5 Einfluss verfahrenstechnischer und rohstofflicher Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1 Bilanzfehler und Wiederholbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.1 Vergleich der Bilanzierungsvarianten und Bilanzfehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.2 Wiederholbarkeit der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.2 Einfluss verfahrenstechnischer Parameter auf Produktverteilung und -zusammensetzung . . . . 94
5.2.1 Einfluss radialer Temperaturgradienten in der Biomasseschüttung . . . . . . . . . . . . . . . . . . . . . 94
5.2.2 Pyrolysetemperatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.2.3 Empirische Gleichungen für die Temperaturabhängigkeit der Produktausbeuten . . . . . . . . . 103
5.2.4 Aufheizgeschwindigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.2.5 Feststoffverweilzeit bei Pyrolyseendtemperatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.3 Einfluss rohstofflicher Parameter auf Produktverteilung und -zusammensetzung . . . . . . . . . . . 111
5.3.1 Partikelgröße . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.3.2 Pyrolyse von Zellstoff, Xylan und Alkali-Lignin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.4 Kombinierte Betrachtungen zum Temperatur- und Rohstoffeinfluss . . . . . . . . . . . . . . . . . . . . . 120
6 Mathematische Zusammenhänge zwischen Rohstoffeigenschaften und Pyrolyseverhalten . . . . 133
6.1 Korrelation mit Rohstoffeigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.1.1 Produktausbeuten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.1.2 Produkteigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.1.3 Schlussfolgerungen zur Korrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2 Regressionsanalyse und Multiple Regression zur Beschreibung des Pyrolyseverhaltens . . . . . 155
6.2.1 Modellvergleich am Beispiel der Koksausbeute bei 500 °C . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.2.2 Gleichungen zur Berechnung der Produktausbeuten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.2.3 Gleichungen zur Berechnung der Produkteigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
6.2.4 Schlussfolgerungen zur Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
7 Vorhersagemöglichkeiten für das Pyrolyseverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
7.1 Validierung der Modellgleichungen mit internem Datensatz . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
7.2 Validierung mit Literaturdaten zur Festbettpyrolyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
8 Zusammenfassung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .181
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .187
Anhang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .208
A Weiterführende Informationen zu Kapitel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .208
B Weiterführende Informationen zur Untersuchungsmethodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . .211
C Ergebnisse zur Einsatzstoffcharakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
D Ergebnisse zum Einfluss verfahrenstechnischer und rohstofflicher Parameter . . . . . . . . . . . . . . . 272
E Ergebnisse zur Korrelation des Pyrolyseverhaltens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .314
F Ergebnisse zur Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .348
G Ergebnisse zur Vorhersage des Pyrolyseverhaltens. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .361The intention of this work was an intensive study of the influence of feedstock properties and process variables on biomass pyrolysis. Due to a lack in consistent data sets, including various feedstock parameters as well as product yields, compositions, and further properties, a laboratory fixed bed reactor was developed to overcome this problem. The pyrolysis reactor was used for experiments with 26 biogenous feedstock under variable process conditions. The reactor is suitable to assure nearly closed mass balances and a complete product recovery. Furthermore, it allows the minimization of secondary reactions.
The used feedstock, which include cellulose, xylan, and lignin amongst others, represent a broad range of possible compositions and were intensively characterized by determination of fuel and physical properties as well as biopolymer composition. The varied process parameters are: temperature between 200 and 700 °C, heating rate in the range of 5 to 100 K/min, solid residence time from 0 to 30 min, and particle size up to 5 mm. Closed mass and element balances were done for every set of parameters.
As expected, amongst process variables the temperature was identified as the main factor influencing biomass pyrolysis. The temperature depending products yields could be fitted well by the double boltzmann approach due to the two-stage pyrolytic decomposition of biomass. Correlation of feedstock properties with different target parameters, including yields, product composition, heating values, remaining energy content in char, and char properties, was done by Spearman´s rank correlation and Pearson´s correlation for different temperatures. Biopolymer composition as well as alkaline content and total content of potential catalytic elements (Na, K, Ca, Mg, Fe) were identified as main factors influencing biomass pyrolysis product yields and compositions. Further correlations arise with fuel properties like volatile matter and ash content besides O/C atomic ratio. The obtained correlations can be mainly related to pyrolysis mechanisms.
The received relationships were quantified by means of multiple regression models. Model evaluation was done by coefficient of determination, information criteria and mean squared errors. 42 regression models, based on different biopolymer contents and the total content of catalytic elements, were provided for the mathematical description of product yields for different process temperatures. Another 56 equations are suitable for the calculation of product
properties like tar/oil and char composition, tar/oil heating value, and remaining energy content in the char at different temperatures.
The predictability of the regression models was proved using another data set for apple pomace. The yields of char, gas, and condensate as well as the aforementioned product properties can be predicted very well, although, the predictability varies with the applied equation. Validation of the models by literature data was only possible for the char yield, because of the mentioned lack in suitable and complete data sets. Application of regression model to fixed bed char yields for different biomass and biogenous residues from literature resulted in a good predictability.
Mathematical description of pyrolysis product yields and properties by means of regression models based on feedstock parameters is a promising approach to predict maximum yields at defined conditions and, therefore, to make an estimation of suitability of the biomass to different applications. Up to now such models do not exist.
In general, the development of simple equations based on a few standardized parameters which are easy to determine is worthwhile. Hence, the results showed that the overall trend between different biomass feeds was often not predicted correctly using one-parameter models. This is due to the complex relationships between pyrolysis behavior and feedstock properties. Consequently, at least two parameter models, where the variables show the opposite trends, were most appropriate.:Abkürzungs- und Symbolverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x
Abbildungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
Tabellenverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii
1 Einleitung und Zielstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Kenntnisstand . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Zusammensetzung und Struktur von Lignocellulosen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Allgemeine chemische Zusammensetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.2 Struktureller Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.3 Vorkommen und Einbindungsformen von anorganischen Bestandteilen . . . . . . . . . . . . . . . . . . . 14
2.2 Möglichkeiten zur Untersuchung der Pyrolyse von Biomassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 Untersuchungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Verwendete Reaktoren zur Untersuchung der Biomassepyrolyse . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Reaktionsabläufe bei der Biomassepyrolyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Einflussfaktoren auf Pyrolyseproduktverteilung und -eigenschaften . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.1 Einfluss rohstofflicher Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.2 Einfluss verfahrenstechnischer Parameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.5 Beschreibung und Vorhersage des Pyrolyseverhaltens von Biomasse . . . . . . . . . . . . . . . . . . . . . 39
2.5.1 Empirische Modelle basierend auf statistischen Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5.2 Kinetische Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.3 Modelle auf Basis der Stoffgruppenzusammensetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.5.4 Netzwerkpyrolysemodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6 Schlussfolgerungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3 Untersuchungsmethodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1 Einsatzmaterialien und deren Charakterisierung . . . . . . . . . . . .
Point cloud generation for hyperspectral ore analysis
Get PDFRecent development of hyperspectral snapshot cameras offers new possibilities for ore analysis. A method for generating a 3D dataset from RGB and hyperspectral images is presented. By using Structure from Motion, a reference of each source image to the resulting point cloud is kept. This reference is used for projecting hyperspectral data onto the point cloud. Additionally, with this work flow it is possible to add meta data to the point cloud, which was generated from images alone
Beitrag zur Identifizierung rheologischer Wechselwirkungen von Kaolinen in wässrigen Systemen
Get PDFThe present dissertation investigates the flow behavior of concentrated Kaolin slurries and furthermore novel rheological measurement-, analysis-, and assessment procedures for characterizing static and dynamic flow behavior in industrial and research applica- tions. Ten different Kaolins with divergent property profiles were investigated in detail.
At first, novel measurement and analysis procedures are presented and the raw material inherent properties are correlated with the resulting flow characteristics. The results describe the structural building and breakdown (in both static and dynamic states) of concentrated Kaolin slurry suspensions with and without deflocculant and also the determination of the point of optimal deflocculant concentration through the develop- ment of a novel analysis method and linking of the parameters to a condition matrix.
The results lead to a better understanding of the flow behavior of concentrated Kaolin slurries. Due to the use of a strict measurement protocol with a focus on the elimination of external disturbances on the determination of flow behavior, the phases of dynamic structure construction and destruction (with exclusion of temporal structure effects and vice versa) can be analyzed. It was identified that the construction of particle networks requires less energy than their destruction. Furthermore it could be demonstrated that the occurrence of a transient shear stress peak in kaolin slurries is the cause for the breakdown of an existing particle network and not, as conventionally reported, due to an insufficient measurement time. Moreover, through the combination and modification of two measurement protocols described here, manufacturing companies have a potentially useful tool for composition development and quality control without the necessity of purchasing a highly precise research rheometer.:1. Einleitung und Problembeschreibung 1
2. Stand des Wissen 3
2.1. ToneundKaoline.............................. 4 2.1.1. EntstehungvonKaolinen...................... 5 2.1.2. KaolinalsRohstoff ......................... 6 2.1.3. DasMineralKaolinit........................ 6
2.2. BeschreibungderRheologie ........................ 8
2.2.1. DasZwei-Platten-Modell...................... 8
2.2.2. FließverhaltenundModelle .................... 9
2.2.3. Messsgeräte und Systeme für die Messung rheologischer Eigen-
schaften ............................... 16
2.2.4. RheometrischeMessmethoden................... 21
2.3. ElektrostatischstabilisierteDispersionen . . . . . . . . . . . . . . . . . 25
2.4. Tonmineral-Wasser-Interaktionen ..................... 28
2.5. FließverhaltenvonKaolindispersionen................... 30
3. Rohstoffuntersuchungen 31
3.1. Reindichtebestimmung ........................... 31
3.2. Partikelgrößenanalyse............................ 32 3.2.1. SedimentationimSchwerefeld ................... 33 3.2.2. Laserbeugungs-Partikelgrößenanalyse . . . . . . . . . . . . . . . 34
3.3. SpezifischeOberfläche ........................... 35
3.4. BestimmungderlöslichenSalze ...................... 36
3.5. Kationenaustauschkapazität ........................ 37
3.6. Röntgenfluoreszenzanalyse ......................... 37
3.7. Röntgenbeugungsanalyse.......................... 38
4. Experimentelle Methodik 40
4.1. NormativeMineralphasenanalyse ..................... 40
ii
4.2. BerechnungderPartikelgrößenverteilung . . . . . . . . . . . . . . . . . 4.2.1. AuswertungnachDingerundFunk ................ 4.2.2. DasRRSB-Modell .........................
4.3. HerstellungderDispersionen........................
4.4. RheologischeUntersuchungen ....................... 4.4.1. DasMalvernKinexuspro+ .................... 4.4.2. Messmethode zur Bestimmung der Zeitabhängigkeit . . . . . . . 4.4.3. Messmethode zur Bestimmung der Belastungsabhängigkeit . . .
4.5. AuswertungdesSprungversuches .....................
4.6. AuswertungderScherratenrampe .....................
5. Wiederholbarkeit der entwickelten Messregime
6. Anpassung der Messregime an industrielle Bedingungen
6.1. RohrströmungeinerPotenzflüssigkeit ................... 6.2. NachweisderMesssystemfähigkeit.....................
7. Versuchsreihenentwicklung
7.1. UntersuchungdesFeststoffanteileinflusses. . . . . . . . . . . . . . . . . 7.2. Untersuchung des Einflusses des Verflüssigeranteils . . . . . . . . . . . .
8. Ergebnisse und Diskussion
8.1. Einfluss der Rohstoffparameter auf das Fließverhalten . . . . . . . . . . 8.1.1. Einfluss der Partikelgrößenverteilung . . . . . . . . . . . . . . . 8.1.2. EinflussderPGV-Modellparameter ................ 8.1.3. Einfluss der spezifischen Oberfläche auf das Fließverhalten . . . 8.1.4. Einfluss der Rohstoffmineralogie auf das Fließverhalten . . . . .
8.2. Untersuchung des Dispergierhilfsmitteleinfusses . . . . . . . . . . . . .
8.3. UntersuchungdesFeststoffanteileinflusses. . . . . . . . . . . . . . . . .
9. Modellierung der belastungsabhängigen Fließeigenschaften
10.Zusammenfassung und Ausblick Literaturverzeichnis
AnhangIn der vorliegenden Arbeit wird das Fließverhalten von konzentrierten Kaolinsuspensio- nen untersucht und neuartige rheologische Mess-, Analyse- und Bewertungsverfahren zur Charakterisierung der Belastungs- und Zeitabhängigkeit für Industrie- und Forschungsanwendungen vorgestellt. Hierzu wurden zehn Kaoline mit divergierenden Eigenschaftsprofilen untersucht.
Zunächst werden neuartige Mess- und Analyseverfahren vorgestellt und die Eigenschaften der Rohstoffe mit den ermittelten Fließcharakteristika korreliert. Die Ergebnisse beschreiben den strukturellen Auf- und Abbau (zeit- und belastungsabhängig) von konzentrierten Kaolinsuspensionen mit und ohne Dispergierhilfsmitteleinsatz und darüber hinaus die Ermittlung der optimalen Dispergierhilfsmittelkonzentration durch Entwicklung einer neuartigen Analyse und Verknüpfung von Parametern an eine Bedingungsmatrix.
Die Erkenntnisse tragen zum besseren Verständnis des Fließverhaltens konzentrierter Kaolinsuspensionen bei. Aufgrund der entwickelten Messvorschriften und der darin elementar verankerten Elimination von Störgrößen auf die Ermittlung des Fließverhaltens konnten die Phasen des strukturellen Auf- und Abbaus unter Belastung (unter Ausschluss von temporalen Struktureffekten und umgekehrt) analysiert werden. Es wurde festgestellt, dass die Konstruktion von Partikelnetzwerken weniger Energie benötigt, als deren Destruktion und das Auftreten des Schubspannungshügels auf den Zusammenbruch des Partikelnetzwerkes und nicht, wie allgemein beschrieben auf zu geringe Messzeiten zurück zu führen ist. Darüber hinaus wird der produzierenden Industrie, durch Abwandlung und Kombination zweier Messvorschriften ein Werkzeug zur Versatzentwicklung und Qualitätskontrolle, auch ohne die Notwendigkeit des Erwerbs von hochpräzisen Forschungsrheometern bereitgestellt.:1. Einleitung und Problembeschreibung 1
2. Stand des Wissen 3
2.1. ToneundKaoline.............................. 4 2.1.1. EntstehungvonKaolinen...................... 5 2.1.2. KaolinalsRohstoff ......................... 6 2.1.3. DasMineralKaolinit........................ 6
2.2. BeschreibungderRheologie ........................ 8
2.2.1. DasZwei-Platten-Modell...................... 8
2.2.2. FließverhaltenundModelle .................... 9
2.2.3. Messsgeräte und Systeme für die Messung rheologischer Eigen-
schaften ............................... 16
2.2.4. RheometrischeMessmethoden................... 21
2.3. ElektrostatischstabilisierteDispersionen . . . . . . . . . . . . . . . . . 25
2.4. Tonmineral-Wasser-Interaktionen ..................... 28
2.5. FließverhaltenvonKaolindispersionen................... 30
3. Rohstoffuntersuchungen 31
3.1. Reindichtebestimmung ........................... 31
3.2. Partikelgrößenanalyse............................ 32 3.2.1. SedimentationimSchwerefeld ................... 33 3.2.2. Laserbeugungs-Partikelgrößenanalyse . . . . . . . . . . . . . . . 34
3.3. SpezifischeOberfläche ........................... 35
3.4. BestimmungderlöslichenSalze ...................... 36
3.5. Kationenaustauschkapazität ........................ 37
3.6. Röntgenfluoreszenzanalyse ......................... 37
3.7. Röntgenbeugungsanalyse.......................... 38
4. Experimentelle Methodik 40
4.1. NormativeMineralphasenanalyse ..................... 40
ii
4.2. BerechnungderPartikelgrößenverteilung . . . . . . . . . . . . . . . . . 4.2.1. AuswertungnachDingerundFunk ................ 4.2.2. DasRRSB-Modell .........................
4.3. HerstellungderDispersionen........................
4.4. RheologischeUntersuchungen ....................... 4.4.1. DasMalvernKinexuspro+ .................... 4.4.2. Messmethode zur Bestimmung der Zeitabhängigkeit . . . . . . . 4.4.3. Messmethode zur Bestimmung der Belastungsabhängigkeit . . .
4.5. AuswertungdesSprungversuches .....................
4.6. AuswertungderScherratenrampe .....................
5. Wiederholbarkeit der entwickelten Messregime
6. Anpassung der Messregime an industrielle Bedingungen
6.1. RohrströmungeinerPotenzflüssigkeit ................... 6.2. NachweisderMesssystemfähigkeit.....................
7. Versuchsreihenentwicklung
7.1. UntersuchungdesFeststoffanteileinflusses. . . . . . . . . . . . . . . . . 7.2. Untersuchung des Einflusses des Verflüssigeranteils . . . . . . . . . . . .
8. Ergebnisse und Diskussion
8.1. Einfluss der Rohstoffparameter auf das Fließverhalten . . . . . . . . . . 8.1.1. Einfluss der Partikelgrößenverteilung . . . . . . . . . . . . . . . 8.1.2. EinflussderPGV-Modellparameter ................ 8.1.3. Einfluss der spezifischen Oberfläche auf das Fließverhalten . . . 8.1.4. Einfluss der Rohstoffmineralogie auf das Fließverhalten . . . . .
8.2. Untersuchung des Dispergierhilfsmitteleinfusses . . . . . . . . . . . . .
8.3. UntersuchungdesFeststoffanteileinflusses. . . . . . . . . . . . . . . . .
9. Modellierung der belastungsabhängigen Fließeigenschaften
10.Zusammenfassung und Ausblick Literaturverzeichnis
Anhan
Minerogeny of the Pan-African Volta Basin of Ghana
Get PDFWithin the framework of this research, the complex geological history of the Pan African-Volta basin has been systematically reconstructed. Based on a broad review of literature and new data, 5 stages of geological-tectonic development have been identified. For the first time a systematic review of the mineral potential of the Pan-African Volta Basin was executed. Known and potentially existing mineralization have been related to the geotectonic history and metallogenetic conclusions have been drawn.
Based on the findings of this research, the folded thrust belt located at the eastern rim of the Volta basin has been identified as the most prospective area for the ultramafic rocks with chromite, nickel mineralization and PGEs, hydrothermal gold and banded iron formation (BIF) but this will require further work.:Table of contents
Table of contents iii
List of tables v
List of figures 1
Introduction 5
Summary of work done 6
Acknowledgements 6
1 In the Geology and regional geotectonic development of the West African Shield 7
1.1 Introduction 7
1.2 The basement of the Proterozoic sedimentary platform cover 9
1.3 Connection of West African Shield to Brazil 10
1.4 The Neoproterozoic sedimentary sequence and the extent of the Volta Basin 13
1.4.1 Introduction 13
1.4.2 The Neoproterozoic Sedimentary Sequence 15
1.5 The Pan-African Mobile Belt 23
1.5.1 The Buem Fold and thrust belt 23
1.5.2 New defined units 30
1.6 Interpretation of the deep structure of the Volta Basin 35
1.7 Metallic Minerals 37
1.7.1 Introduction 37
1.7.2 Iron (Fe) 39
1.7.3 Aluminium (Al) 46
1.7.4 Manganese (Mn) 50
1.7.5 Lead (Pb) 52
1.7.6 Copper (Cu) 55
1.7.7 Mineralisation related to ultramafic rocks 57
1.7.8 Gold (Au) 69
1.7.9 Tantalum (Ta) 72
1.7.10 Zirconium (Zr) 73
1.7.11 Heavy minerals in sands of Paleochannels 76
1.8 Non-metallic minerals 83
1.8.1 Introduction 83
1.8.2 Limestone (CaCO3) 84
1.8.3 Magnesite (MgCO3) 91
1.8.4 Barite (BaSO4) 93
1.8.5 Diamonds 97
1.8.6 Bitumen 100
1.9 Mineral Prediction with advangeo® Prediction Software 102
2 Minerogeny 109
2.1 Mineralisation controls and indicators 109
2.1.1 Geochemical Properties of selected stratigraphic units 109
2.1.2 Intrusive rocks 114
2.1.3 Volcanic rocks 118
2.1.4 Fault structural controls 119
2.1.5 Reactive Rocks 121
2.1.6 Other sedimentary controls: placers and paleoplacers 122
2.1.7 Laterites 122
2.1.8 Control of diamond occurrences 132
2.2 Key stages of metallogenic development 132
3 Discussion and recommendations 136
3.1 Recommendations 138
4 List of References 139
5 Appendices 144
5.1.1 Sample G113RK1 144
5.1.2 Sample G109RK1 145
5.1.3 Sample G116RK1 147
5.1.4 Sample G121RK1 149
5.1.5 Sample G121RK2 151
5.1.6 Sample G121RK3 152
5.1.7 Sample G131RK1 154
5.1.8 Sample G144RK2 155
5.1.9 Sample G145RK1 156
5.1.10 Sample G147RK1 157
5.2 Thin Sections 159
5.3 Deep drilling Data 174
5.4 Geophysical Datasets 176
5.5 Geochemical properties of volcanic rocks 181
5.6 Regional Geochemical Datasets (MSSP) 186
5.6.1 Methodology of data processing 188
5.7 Geochemical analysis – Electronic Dump 190
5.8 Geochemical properties of selected geo-tectonic units 190
5.8.1 Epicratonic basin 190
5.8.2 Foreland Basin 195
5.8.3 Thrusted continental margin 20
Laborative und mathematisch-numerische Untersuchung und Bewertung der Durchlässigkeit von Fließwegen bei der Stimulation von Sonden in Fluidlagerstätten unter besonderer Berücksichtigung des mechanischen Kontaktes zwischen Proppants und Formation
Get PDFDen technologischen Hintergrund für diese Arbeit liefert die bei der Erschließung tiefer Lagerstätten (Erdgas, Erdöl, Erdwärme) eingesetzte Stimulationstechnik des Hydraulic Fracturing. Bei dieser Technik werden mittels hydraulischem Druck Risse im Lagerstättengestein erzeugt, die durch Einspülen von Feststoffkörnern (Proppants) offengehalten werden sollen.
Der inhaltliche Schwerpunkt liegt auf der theoretischen und experimentellen Untersuchung der Einbettung von Proppants in das Lagerstättengestein unter besonderer Berücksichtigung des Einflusses auf die hydraulische Leitfähigkeit eines durch Proppants gestützten Risses. Thematisch teilt sich die Arbeit in die beiden Schwerpunkte: (1) Berechnung der Proppant-Einbettung auf der Grundlage kontaktmechanischer Ansätze und (2) experimentelle Untersuchungen an realen Proppant-Schüttungen.
Zur mathematischen Formulierung der Proppant-Einbettung wurde die in der Werkstofftechnik entwickelte Theorie des mechanischen Verhaltens rauer Oberflächen unter Lasteintrag (Kontaktmechanik) mit der ebenfalls aus der Werkstofftechnik bekannten Messung und Interpretation der Oberflächenhärte nach Meyer gekoppelt. Diese neuartige Formulierung ermöglicht es, die Einbettung von Proppants in Abhängigkeit der Materialeigenschaften der Formation, des Spannungszustandes, der Korngrößenverteilung und der Proppants-Konzentration zu berechnen. Zur Prognose des Erfolges einer Stimulation wurde ein 2D-numerischer Algorithmus (MATLAB®) entwickelt, der den Gesamtprozess der Einbettung, der Durchlässigkeitsentwicklung und deren Folgen für die Produktivität der Sonden widerspiegelt.
Zur Verifizierung des Berechnungsalgorithmus wurde die Einbettung realer Proppant-Schüttungen in Lagerstättengesteinen (Tonschiefer, Shale) untersucht. Hierfür wurde in einer dafür konzipierten Flutzelle ein durch Proppants gestützter Riss nachgebildet, belastet und durchströmt. Ziel der Versuche war dabei zu messen, welchen Einfluss ein Spannungsanstieg auf die Einbettung und damit auf die hydraulische Leitfähigkeit hat. Diese Versuche wurden an zwei verschiedenen Shale-Gesteinen mit zwei verschiedenen Proppant-Konzentrationen durchgeführt. Zusätzlich zu den hydraulischen Experimenten wurden mechanische Untersuchungen (Härtemessungen) ausgeführt und nach der Meyer-Analyse der Werkstofftechnik interpretiert. Ein besonderer Vorteil dieser Auswertungsmethode liegt in ihrer durch Dimensionsanalyse erzielten Übertragbarkeit der Ergebnisse von Werkstoffen auf Gesteine.
Der Vergleich von gemessenen und berechneten Einbettungen und hydraulischen Leitfähigkeiten ergab eine zufriedenstellende Übereinstimmung und erlaubt es festzustellen, dass mit der neuen Formulierung die planerische Voraussage von Frac-Stimulation möglich ist, wobei alleine die relativ einfachen laborativen Messverfahren zur Härtemessung (Gestein) und zur Korngrößenanalyse (Proppant) erforderlich sind
Contributions to complementarity and bilevel programming in Banach spaces
Get PDFIn this thesis, we derive necessary optimality conditions for bilevel programming problems (BPPs for short) in Banach spaces. This rather abstract setting reflects our desire to characterize the local optimal solutions of hierarchical optimization problems in function spaces arising from several applications.
Since our considerations are based on the tools of variational analysis introduced by Boris Mordukhovich, we study related properties of pointwise defined sets in function spaces. The presence of sequential normal compactness for such sets in Lebesgue and Sobolev spaces as well as the variational geometry of decomposable sets in Lebesgue spaces is discussed.
Afterwards, we investigate mathematical problems with complementarity constraints (MPCCs for short) in Banach spaces which are closely related to BPPs. We introduce reasonable stationarity concepts and constraint qualifications which can be used to handle MPCCs. The relations between the mentioned stationarity notions are studied in the setting where the underlying complementarity cone is polyhedric. The results are applied to the situations where the complementarity cone equals the nonnegative cone in a Lebesgue space or is polyhedral.
Next, we use the three main approaches of transforming a BPP into a single-level program (namely the presence of a unique lower level solution, the KKT approach, and the optimal value approach) to derive necessary optimality conditions for BPPs. Furthermore, we comment on the relation between the original BPP and the respective surrogate problem.
We apply our findings to formulate necessary optimality conditions for three different classes of BPPs. First, we study a BPP with semidefinite lower level problem possessing a unique solution. Afterwards, we deal with bilevel optimal control problems with dynamical systems of ordinary differential equations at both decision levels. Finally, an optimal control problem of ordinary or partial differential equations with implicitly given pointwise state constraints is investigated
Monitoringkonzept einer Rückstandshalde im Kalibergbau
Get PDFDie Rückstandshalden des Kalibergbaus bestehen überwiegend aus Steinsalz. In Abhängigkeit der Stabilität des Untergrundes sowie der Haldenhöhe neigen diese Halden dazu sich plastisch zu verformen. Diese Deformationen gilt es frühzeitig zu erkennen und zu bewerten. Das neue gestaffelte Monitoringkonzept beruht auf langjährigen Erfahrungen, die ebenso kurz vorgestellt werden.Tailing heaps of potash mining consist predominantly of rock salt. Depending on the stability of the underground, as well as the heights of the heaps, these heaps tend to deform plastically. These deformations must be recognized and assessed at an early stage. The new graduated monitoring concept is based on many years of experience, which are also briefly presented
UNEXMIN H2020 project: an autonomous underwater explorer for flooded mines
Get PDFUNEXMIN (Underwater Explorer for Flooded Mines, Grant Agreement No. 690008, www.unexmin.eu) is a project funded by the European Commission’s HORIZON2020 Framework Programme. The project is developing a multi-platform robotic system for the autonomous exploration and mapping of flooded underground mines. The robotic system – UX-1 – will use non-invasive methods for the 3D mapping of abandoned underground flooded mines, bringing new important geological data that currently cannot be obtained by other means without having significant costs and safety risks.
The deployment of a multi-robotic system in a confined and unknown environment poses challenges to the autonomous operation of the robot, and there is a risk of damaging the equipment and the mine itself. Key challenges are related to 1) structural design for robustness and resilience, 2) localization, navigation and 3D mapping, 3) guidance, propulsion and control, 4) autonomous operation and supervision, 5) data processing, interpretation and evaluation.
Underwater environments constrain basic robotic functions as well as the size and weight of any operable robot. The limiting factors in these environments influence the type and amount of equipment able to be mounted onto a robotic system. Crucial abilities for an underwater robot’s functionality include unobstructed movement, autonomy, mapping and environmental awareness. To enable these critical functions, we employ components such as cameras, SONAR, thrusters, structured-light laser scanners, and on-board computers, rechargeable batteries and protective pressure hulls. In UNEXMIN, additional underwater instrumentation is being developed to measure pH, pressure, temperature, water chemistry and conductivity, magnetic fields, and gamma radiation levels. An on-board geophysical system will enable sub-bottom profiling, and multispectral and UV fluorescence imaging units are being installed for mineralogical identification. All these tailor-made instruments are been tested in laboratory and real environment conditions
Proceedings of Real Time Mining - International Raw Materials Extraction Innovation Conference : 10th & 11th October 2017, Amsterdam, The Netherlands
Get PDFThe first conference on Real-Time Mining is bringing together individuals and companies working on EU-sponsored projects to exchange knowledge and rise synergies in resource extraction innovation. The topics include:
• Resource Modelling and Value of Information;
• Automated Material Characterization;
• Positioning and Material Tracking;
• Process Optimization;
• Data Management.
The conference has been initiated by the consortium of the EU H2020 funded project Real-Time Mining as a platform for inter-project communication and for communication with project stakeholders. It brings together several European research projects in the field of industry 4.0 applied to mineral resource extraction. These are the projects VAMOS, SOLSA and UNEXMIN
Machine performance and acoustic fingerprints of cutting and drilling
Get PDF‘It is always dark ahead of the pick!’ This centuries-old miners’ expression still reveals the uncertainty about the upcoming rock properties during exploration and extraction processes. It is still tough to predict what a drill rig or a cutting machine will experience during operation. However, in terms of safety, energy consumption and the performance of the whole machine it would be beneficial to be able to monitor such an extraction process. Hence, different sensors or sensor combinations are tested during cutting and drilling processes within RealTime Mining project. First aim is to depict the machine performance of the machine at any time. In a second step sensor information is also used to conclude on mechanical rock properties during the process.
Measuring the machine performance for cutting and drilling is quite similar and has been condensed under the terms Monitoring-While-Cutting (MWC) respectively Monitoring-While-Drilling (MWD). Both monitoring systems contain a bundle of sensors to depict the whole process. As an example, the energy demand of such a machine can be determined by measuring the power consumption of the engines constantly. Furthermore, the process parameters like advance rates and drilling or cutting speed have to be evaluated as well to be able to depict the whole extraction machine.
To conclude on mechanical rock properties several other sensor solutions have been tested and finally integrated into those monitoring systems. One of the most important rock properties for drilling and cutting is the rock strength. Increasing rock strength during an extraction process leads to increasing forces that are needed to break a certain amount of rock. Hence, e.g. measuring the torque of a drill string or the cutting forces can be an indicator on rock resistance or rock strength. Not minor important, is the characteristic rock breakage behavior which can be classified by the use of ‘acoustic’ sensors. Dependent on the rock properties that currently is drilled or cut through a characteristic fracture occurs in front of the tool. This results in audible and also inaudible characteristic acoustic waves that propagate through the machine body and can be gathered on the machine by piezo-electric sensors. The interpretation of these signals could lead to a material classification already during the extraction process.
Several tests of these sensor technologies have been conducted in laboratory environment as well in field tests. The most promising results are going to be presented