Kurzschlusserkennung in der Kupferelektrolyse durch neuronale Netzwerke

Matthias Lindthaler

Publikation: Thesis / Studienabschlussarbeiten und HabilitationsschriftenMasterarbeit

563 Downloads (Pure)

Abstract

Diese Arbeit befasst sich mit den Vor- und Nachteilen der Digitalisierung und insbesondere mit den Problemen der Einführung dieser Konzepte in der Nichteisenindustrie. Um verschiedene Optimierungspotentiale aufzuzeigen, erfolgt die Vorstellung einiger bestehender Konzepte anderer Branchen. Anhand einiger Beispiele werden die Einführung eines digitalen Zwillings, der Einsatz von Softsensoren, die Endpunktbestimmung in Schmelzöfen, die Vorhersage von Stahleigenschaften und die Vorhersage der Stromausbeute bei der Kupferraffinationselektrolyse, die zur Herstellung von hochreinem Kupfer eingesetzt wird, diskutiert. Der wichtigste Parameter für die Bestimmung des Wirkungsgrades ist die Stromausbeute, die jedoch durch die Bildung von Kurzschlüssen erheblich negativ beeinflusst wird. Aus diesem Grund werden hier bestehende Möglichkeiten zur Ermittlung dieses Parameters und ein neues Konzept vorgestellt, das auf der Auswertung von Wärmebildern mittels neuronaler Netze basiert. Zu diesem Zweck wurden die Entwicklung dieses Modells und die theoretischen Grundlagen zur Klassifikation und Objekterkennung in Bildern entwickelt. Die Schwierigkeit der bisher verwendeten Auswertungen verschiedener IR-Bilder in der Elektrolyse lag in der sehr engen Verteilung der Elektroden und war auch sehr stark von den Umgebungsbedingungen abhängig Mit Hilfe der verbesserten automatischen Erkennung können Kurzschlüsse im Durchschnitt zwölf Stunden im Voraus erkannt werden, was die Stromausbeute der Elektrolyse erhöht.
Titel in ÜbersetzungShort-circuit detection in the copper tankhouse through neural networks
OriginalspracheDeutsch
QualifikationDipl.-Ing.
Gradverleihende Hochschule
  • Montanuniversität
Betreuer/-in / Berater/-in
  • Andreas Filzwieser, Dr., Betreuer (extern), Externe Person
  • Antrekowitsch, Helmut, Betreuer (intern)
Datum der Bewilligung1 Juli 2020
PublikationsstatusVeröffentlicht - 2020

Bibliographische Notiz

gesperrt bis null

Schlagwörter

  • neuronale Netzwerke
  • Digitalisierung
  • Industrie 4.0
  • Kurzschlusserkennung
  • Thermoaufnahmen
  • Kupfer-Elektrolyse
  • Steigerung der Stromausbeute

Dieses zitieren