Hier können Sie sich Informationen nach Themenbereich gegliedert anzeigen lassen.
Das Ziel des IGF-Vorhabens 20656 N bestand darin, das Potential der separaten Feinstmahlung für die Praxis nutzbar zu machen und die separate Feinstmahlung mittels skalierbarer Mahlanlagen zu untersuchen.
In diesem Projekt wurde auf Basis der Auswertung statistischer EBS-Eigenschaften und CFD-Simulationen zunächst die Brennstoffpartikel identifiziert, die in größeren Mengen teilverbrannt ins Klinkerbett gelangen, und die typischen Auftrefforte der Partikel wurden ermittelt. Anschließend wurden in Laborversuchen die Vorgänge bei der Umsetzung von Brennstoffpartikeln im Klinkerbett untersucht und dabei die Reaktionen im Klinkerbett und die Auswirkung auf die Klinkereigenschaften ermittelt. Es wurde ein Berechnungstool zur Abschätzung von EBS-Partikel-Auftrefforten bzw. Wurfweiten entwickelt. In einem Werksversuch und begleitenden CFD-Berechnungen wurden die erarbeiteten Ergebnisse überprüft. Basierend auf allen Ergebnissen wurden Ansätze für Qualitätskriterien für EBS hergeleitet und verfahrenstechnische Vorschläge ausgearbeitet mit dem Ziel, den EBS-Einsatz weiter zu erhöhen.
Das Hauptziel des AiF-Forschungsvorhabens war es, die technisch-wissenschaftlichen Grundlagen für den großtechnischen Einsatz von katalytischen Verfahren zur Minderung von organischen Komponenten, insbesondere den kurzkettigen C₁C₂-Kohlenwasserstoffen im Abgas von Zementdrehofenanlagen zu schaffen.
Im ANICA-Projekt (Advanced Indirectly Heated Carbonate Looping Process) wurde die Entwicklung eines neuartigen, indirekt beheizten Carbonat-Looping-Prozesses zur Reduzierung des Energieaufwandes und der Kosten für die CO₂-Abscheidung aus Kalk- und Zementwerken untersucht.
Das Ziel des Projektes bestand darin, ein umweltschonendes Verfahrens zur prozessintegrierten Verwertung von Bypassstäuben der Zementindustrie zu erproben.
Ziel des Projekts ist die Untersuchung von Machine Learning-Verfahren zur Charakterisierung von alternativen Brennstoffen in der Zementherstellung. Hierzu wird eine öffentlich zugängliche Datenbank mit Brennstoffcharakteristika und Bildern erstellt. Mit diesen Informationen werden Algorithmen angelernt, auf ihre Robustheit getestet und Vorschläge für die Klassifizierung der Brennstoffqualität sowie deren Visualisierung im Leitstand gemacht.
Im Rahmen dieses Forschungsprojekts wurde untersucht, wie durch maschinelles Lernen die Festigkeit nach 28 Tagen bereits nach 2 Tagen vorhergesagt werden kann. Im Fokus standen dabei die Entwicklung des Vorhersagealgorithmus und die systematische Untersuchung der verwendeten Daten und Methoden sowie deren Verlässlichkeit.
Das Forschungsvorhabens hatte das Ziel, die Anwendung der SNCR-Technik in Vorcalcinieranlagen mit Hilfe von CFD-Simulationen genauer zu beschreiben und mögliche Optimierungspotentiale aufzuzeigen.
