API src

Found 1950 results.

Related terms

Emissionen aus dem Straßenverkehr und städtische Lufthygiene: Neue Möglichkeiten aus zeitlich hoch aufgelöster Analyse

In diesem Projekt sollen zeitlich hoch aufgelöste Spurengasmessungen und Messungen der Größenspektren der Aerosolpartikel an einem Verkehrsstandort zu einer deutlichen Weiterentwicklung unseres Verständnisses der Dynamik der Konzentrationen von Luftschadstoffen im städtischen Umfeld sowie der Emissionen aus dem Straßenverkehr beitragen. Neue, schnelle Techniken sollen das bereits gut entwickelte Grundlagenwissen zu Emissionsverhältnissen NO / NO2 / NOx einzelner Fahrzeuge und Fahrzeuggruppen entwickeln, den Einfluss auf die Ozonchemie und die Interaktion mit dem vorhandenen Ozon studieren, Emissionsverhältnisse NH3 / CO2 und NOx / CO2 unter realen Bedingungen quantifizieren, und vor allem die Emissionen der Aerosopartikel in einem weiten Größenspektrum (einige nm bis über 1 mym Durchmesser) detailliert quantifizieren. Dies bedeutet und ermöglicht eine neuartige Analyse der Emissionen von Partikeln im echten Straßenverkehr. Die vorgeschlagenen Konzepte und Messungen ergänzen sich mit anderen modernen Konzepten der Analyse von Luftverschmutzung und Emissionen wie z.B. multi-Sensoren-Anwendungen, Einsatz mobiler Plattformen, oder Eddy-Kovarianz. Hier wird Grundlagenforschung vorgeschlagen, die in Ergänzung mit anderen Anwendungen und Konzepten einschließlich Modellierung zu einer deutlichen Verbesserung unseres Verständnisses der städtischen Umwelt führen wird. Das Herzstück der experimentellen Forschung ist eine 18-monatige Messreihe am Straßenrand, die allerdings von zwei Intensivmesskampagnen (IOPs) um Kenntnisse zur räumlichen Representativität und zur chemischen Zusammensetzung der Partikel im Größenspektrum ergänzt werden.

Zerstörungsfreie Prüfung für einen effektiven Rückbau massiver Betonbauwerke kerntechnischer Anlagen, TP: Systemkonzept, Test, Optimierung, Validierung und Transfer

KMUi-BÖ08: AnnA - Autonome Ernte und Ausdünnung, KMUi-BÖ08: AnnA - Autonome Ernte und Ausdünnung

Erstmalige Umsetzung eines selbstlernenden NIR-Systems mit Bilderkennung zur sortenreinen Sortierung von Altpapier und Erschließung neuer Altpapierressourcen

Die LEIPA Georg Leinfelder GmbH ist ein führender Papierhersteller im Europäischen Markt. Am Standort in Schwedt werden jährlich ca. 1,195 Millionen Tonnen Papier und Verpackungen aus 100 Prozent Altpapier produziert. Am Standort wird bisher eine konventionelle lineare Altpapiersortierung bestehend aus den Stufen Aufgabebunker, Grobsieb, Feinsieb, PaperSpike/NIR-Spektroskopie und Sortierkabine betrieben. Durch die Sortierung erhält man drei wesentliche Altpapierströme. Darunter die Deinkingware, welche für die Herstellung von hochwertigen weißen Papieren eingesetzt wird, die OCC-Ware (old corrugated containerboard), welche als braune Fasern für Kartonagen und Pappe verwendet wird und die Mischware, welche ebenfalls in die Herstellung von Kartonagen und Pappe fließt. Das übergeordnete Ziel der Sortierung ist es, möglichst hochwertige Deinkingware sowie OCC-Ware in einer hohen Sortenreinheit zu sortieren. Bisher landen jedoch große Mengen hochwertigerer Deinkingware im Mischpapier und in den Sortierresten und gehen damit für eine höherwertige Verwertung verloren. Vorversuche des Unternehmens haben erhebliche Potentiale von hochwertigen weißen Altpapieren im Mischpapier und auch in anderen bisher unwirtschaftlichen Altpapierströmen wie Papier, Karton und Pappe (PPK) aus der Erfassung von Leichtverpackungen, Altpapier aus dem Restabfall und Gewerbeabfall aufgezeigt, die mit den konventionellen Systemen noch nicht stofflich verwertet werden können. Im Rahmen dieses Vorhabens möchte die LEIPA Georg Leinfelder GmbH in eine innovative Anlage zur hocheffizienten und sortenreinen Sortierung von Altpapier investieren. Die neue Anlage mit einer jährlichen Kapazität von 120.000 Tonnen soll einerseits die Sortierausbeute, insbesondere der hochwertigen Deinkingware für grafische Papiere, deutlich steigern und andererseits auch alternative Altpapierquellen erschließen. Als Herz der Sortieranlage ermöglicht die NIR-Sortierung mit GAIN-Technologie zusätzlich zur Nahinfrarotspektroskopie eine Bilderkennung mit deep-learning-Funktion. Diese Bilderkennung stellt eine absolute Neuheit im Bereich der Papiersortierung dar. Sie ist in der Lage, durch eine moderne Sensorik Bilddaten (Form/Textur) zu sammeln und diese zu klassifizieren. So können beispielsweise komplexe Verpackungsreste wie Kartonagen mit weißer Außenschicht und grauen oder braunen Fasern im Inneren erkannt werden. In der Folge entstehen im Sortierprozess ein weitaus reineres Deinkinggut und zugleich eine höhere Ausbeute. Eine Innovation liegt auch in der geplanten Vernetzung der Anlage bzw. der Anlagenkomponenten untereinander. Mit der Software Insight von TOMRA werden sämtliche NIR/GAIN-Systeme untereinander vernetzt, die Software stellt eine leistungsfähige Industrie 4.0-Datenplattform zur Verbesserung der Sortier- und Klassifizierungseffizienz dar. Durch die innovative Sortiertechnik soll die Sortierquote für weiße Altpapiere (Deinkingware) aus Haushaltssammelware um ca. 10 Prozent gesteigert werden. Jährlich können mit der neuen Anlagen 8.640 Tonnen Deinkingware aus Haushaltssammelware und 6.435 Tonnen Deinkingware aus Leichtverpackungen für das stofflich hochwertige Recycling zurückgewonnen werden. Insgesamt können jährlich 15.075 Tonnen Deinkingware zurückgewonnen werden, die Frischfaser substituieren können. Durch die Digitalisierung und automatische Steuerung der Prozesse in der Altpapieraufbereitung und der Papierproduktion können im weiteren Verlauf weitere Energie und Chemikalieneinsparungen erreicht werden. Vor dem Hintergrund, dass die Menge an weißen Papierfasern im Altpapier stetig abnimmt und daher in der Zukunft Beschaffungsprobleme entstehen können, ist die Steigerung der Sortierquote für deinkbare Fasern von zentraler Bedeutung, um auch in Zukunft auf den Einsatz von Frischfasern verzichten zu können und die 100prozentige Altpapierquote in LEIPAs Papierproduktion zu erhalten. So gelingt langfristig auch die Vermeidung eines höheren Energie- und Ressourceneinsatzes in der Erzeugung von Frischfasern. Branche: Papier und Pappe Umweltbereich: Ressourcen Fördernehmer: LEIPA Georg Leinfelder GmbH Bundesland: Brandenburg Laufzeit: seit 2023 Status: Laufend

Optimierter Betrieb von Solarturm-Receivern, Teilvorhaben: Entwicklung und Verifizierung aktiver nicht-invasiver Temperatursensierung im Hochtemperaturbereich

In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.

Optimierter Betrieb von Solarturm-Receivern, Teilvorhaben: Online-Monitoring-System

In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.

Optimierter Betrieb von Solarturm-Receivern, Teilvorhaben: Optimierung von Design und Betrieb der Solar Island

In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet (Text abgebrochen)

Simulations- und KI-gestützte Optimierung des Widerstandspunktschweißens hochfester Aluminiumlegierungen für die Fertigung von Leichtbau-Fahrzeugkarosserien

Simulations- und KI-gestützte Optimierung des Widerstandspunktschweißens hochfester Aluminiumlegierungen für die Fertigung von Leichtbau-Fahrzeugkarosserien, Teilvorhaben: Untersuchung und Modellierung des Widerstandspunktschweißens von Aluminiumlegierungen

De-Methanisierung von Flüssigmist, Teilvorhaben 2: Entwicklung intelligenter Digitalisierunstechnologien

In Deutschland ist die Landwirtschaft für über 59 % der Methan- und 95 % der Ammoniakemissionenverantwortlich. Die wichtigsten Quellen von Methan sind Emissionen während des tierischen Verdauungsprozesses von Wiederkäuern und Emissionen durch die Lagerung von Festmist und Gülle. Das Vorhaben zielt daher auf die Entwicklung von hochgradig standardisierten und automatisierten Güllekleinanlagen für landwirtschaftliche Betriebe mit einem Tierbestand ab ca. 150 Großvieheinheiten (GV) ab, um die Treibhausgasemissionen zu senken und gleichzeitig auch die Gerüchsbelästigung zu mindern. Diese Güllekleinanlagen beruhen auf dem Konzept der Hohenheimer zweistufigen Güllevergärung, bestehend aus einem Rührkessel- und einem Festbettreaktor mit einer Rückführung nicht abgebauter Faserstoffe zwischen den beiden Prozessstufen. Diese standardisierten Anlagen bieten ein sehr großes Übertragungspotenzial auf eine Vielzahl von landwirtschaftlichen Betrieben, nicht nur in Deutschland. Diese Anlagen können dezentral Strom und Wärme mit hohen Nutzungsgraden bereitstellen. Die Integration eines Festbettreaktors in das Gesamtkonzept ermöglicht durch dessen hohe Prozessstabilität und Lastflexibilität eine Biogasproduktion, die jederzeit exakt dem Bedarf angepasst werden kann. Zudem soll das BHKW der Anlagen auf eine durchschnittliche Laufzeit von ca. 14 Stunden je Tag ausgelegt werden, so dass Strom und Wärme zu den Bedarfszeiten produziert werden kann. Das Teilvorhaben der TU Dortmund wird mit Hilfe neuartiger, kapazitiver in-situ Sensorik die Möglichkeit schaffen, dass die Anlage autark gesteuert werden kann. Hierzu wir eine kontinuierliche Prozessüberwachung und -kontrolle implementiert wird und alle relevanten Parameter werden digitalisiert und automatisch verarbeitet. Die TU Dortmund wird die entsprechenden intelligenten Algorihmen im Rahmen der Arbeiten entwickeln.

1 2 3 4 5 … 193 194 195