Dynamische Modellierung des Feinzerkleinerungsprozesses in Rührwerkskugelmühlen unter Einsatz gekoppelter CFD-, DEM-, KI- und Populationsbilanzmodelle

• Antragsteller: Professor Dr.-Ing. Arno Kwade
• Fachliche Zuordnung: Mechanische Verfahrenstechnik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 571547750

Die Feinzerkleinerung in nass betriebenen Rührwerksmühlen (RWKM) ist in verschiedenen Industriezweigen wie der Pharmazie, Chemie und Rohstoffaufbereitung unerlässlich. Die Komplexität der mehrphasigen Wechselwirkungen zwischen Flüssigkeit, Mahlkörpern und Partikeln stellt jedoch eine große Herausforderung für die Prozessgestaltung, Energieeffizienz und das Scale-up dar. Dieses Projekt befasst sich mit dem Bedarf eines umfassenden, prädiktiven, dynamisch anpassbaren Modells für RWKM durch einen dynamischen Modellierungsansatz, der die wesentlichen Beschränkungen vollständig gekoppelter CFD-DEM-PBM-Simulationen durch den Einsatz von KI-Surrogatmodellen überwindet, die durch genetisches Verstärkungslernen (GRL) trainiert werden. Diese Modelle werden Maschinenfunktionen wie Spannungsenergieverteilung und Energietransferfaktoren auf Grundlage einer zusammengestellten Simulationsdatenbank approximieren. Um genaue und verallgemeinerbare Vorhersagen zu gewährleisten, umfasst das Projekt die experimentelle und numerische Untersuchung des Partikeleinfangens zwischen den Mahlkörpern - ein entscheidender Aspekt für das Verständnis der tatsächlichen Übertragung der Beanspruchungsenergie auf die Produktpartikel. Detaillierte CFD-DEM-Simulationen und gezielte Laborexperimente werden eingesetzt, um dieses Verhalten unter verschiedenen Prozessbedingungen zu quantifizieren. Darüber erfolgt die experimentelle Charakterisierung des materialspezifischen Bruchverhaltens mit Hilfe eines selbst entwickelten Bruchtesters. Quarz und Kalziumkarbonat werden als Modellmaterialien betrachtet, wobei dem Verhalten im unteren Mikrometerbereich besondere Aufmerksamkeit gewidmet wird. Darüber hinaus wird das rheologische Verhalten von Partikelsuspensionen, das die Mahlkörperbewegung und die Spannungsübertragung stark beeinflusst, durch scherabhängige Viskositätsmessungen charakterisiert. Diese werden mit Hilfe eines hybriden mechanistisch-genetischen Algorithmus modelliert, der die Auswirkungen von Partikelgröße, Konzentration und Kräften zwischen den Partikeln erfasst. All diese Elemente - Maschinen- und Materialfunktionen, Materialerfassung und Rheologie - werden systematisch in einen dynamischen PBM-Rahmen integriert. Dieser Rahmen wird in einem Open-Source-Werkzeug für die Fließschemasimulation implementiert, das eine flexible Plattform für zukünftige Nutzer bietet. Das resultierende Modell soll in der Lage sein, die Partikelgrößenentwicklung nahezu in Echtzeit und unter verschiedenen Prozessbedingungen zu simulieren und bietet ein leistungsstarkes Werkzeug für Optimierung und Scale-up. Dieser multidisziplinäre Ansatz kombiniert mechanistisches Verständnis mit KI-gesteuerter Datenmodellierung, um einen neuartigen Rahmen für die dynamische Vorhersage der Leistungsfähigkeit von Rührwerkskugelmühlen zu schaffen. Er soll die Grundlage für energieeffiziente, skalierbare und nachhaltige Zerkleinerungsprozesse bilden und trägt zu Fortschritten in der digitalen Verfahrenstechnik bei.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Professor Dr.-Ing. Carsten Schilde