Sie sind auf Seite 1von 60

0

Einleitung

2

1

Kennzeichnung der Eigenschaften disperser Stoffsysteme

6

1.1 Überblick über disperse Systeme

6

1.2 Partikelgrößenverteilungen und Kennwerte

6

1.2.1 Partikelgrößenmerkmale

7

1.2.2 Partikelgrößenverteilungen

9

1.2.2.1 Partikelgrößenverteilungsfunktion und –verteilungsdichte10

1.2.2.2 Analytische Partikelgrößenverteilungsfunktionen

14

1.2.2.3 Statistische Momente

18

1.2.2.4 Umrechnung der Mengenarten der Verteilungsfunktionen20

1.2.2.5 Kenngrößen der Partikelgrößenverteilungen

22

1.2.2.6 Multimodale Partikelgrößenverteilungen

24

1.2.3

Messung von Partikelgrößenverteilungen

25

1.2.3.1 Prüfsiebmethoden

25

1.2.3.2 Sedimentations- und Stromklassiermethoden

26

1.2.3.3 Zählmethoden

28

1.2.3.4 Abbildende Methoden - Bildverarbeitung

29

1.2.3.5 Feldstörungen

29

1.2.3.6 Laserlichtbeugung

30

 

1.2.3.6.1 Laborgeräte

31

1.2.3.6.2 In-Line-Geräte

31

1.2.3.7 Streulichtmethoden (Photonenkorrelationsspektrometrie)31

1.2.3.8 Kombination von Laserlichtbeugung und Streulicht

32

1.2.3.9 Ultraschalldämpfungsspektrometer

32

1.2.3.10 On-Line-Methode mittels Photolumineszenz

32

1.2.3.11 Beurteilung der Einsetzbarkeit

32

1.2.4 Pyknometrische Messung der Partikeldichte

33

1.2.5 Messung der Oberfläche eines Partikelkollektivs

33

1.2.5.1 Permeabilitätsmethoden

33

1.2.5.2 Adsorptionsmethode der Oberflächenmessung

34

1.2.5.2.1 Gasadsorption und

34

1.2.5.2.2 Einpunkt-BET-Methode

37

1.2.5.2.3 Probenvorbehandlung und Platzbedarf A M,g

37

1.2.5.2.4 Messgeräte

39

1.2.6

Partikelformmerkmale und Partikelformanalyse

39

1.3 Packungszustand von Partikeln

42

1.4 Probenahme

50

1.4.1 Auswahl der

Probenentnahmemethode

56

1.4.2 Bestimmung der optimalen Einzelprobenanzahl

57

2

1.5 Schwerpunkte und Kompetenzen

60

0

Einleitung

-

Lehrveranstaltungsplan (Folie 0.1),

-

Literaturempfehlungen (Folie 0.2),

-

Prüfungsschwerpunkte (Folie 0.3),

-

Gliederung (Folie 0.4, Folie 0.5, Folie 0.6, Folie 0.7, Folie 0.8, Folie 0.9)

-

Gegenstand der Verfahrenstechnik:

(Folie 0.10)

"Die Verfahrenstechnik ist eine Ingenieurwissenschaft mit integrierendem Cha- rakter, deren Gegenstand die

nachhaltige,

energetisch effizienten,

ökologisch verträgliche,

industrielle Stoffwandlung zum Zwecke der

wirtschaftlichen Nutzung ist,

wobei die Form der Stoffe keine primäre Bedeutung besitzt." Stoffwandlung: Änderung der physikalischen und/oder chemischen Eigen- schaften Was ist Verfahrenstechnik? Typisches Blockfließbild (Folie 0.11)

Verfahrenstechnik spielt in vielen Industriezweigen eine wichtige Rolle:

* Bergbau:

- Aufbereitung mineralischer Rohstoffe

- Kohleveredlung

* Metallurgie:

- Aufbereitung metallischer und metallhaltiger Sekundärrohstoffe

- extraktive Metallurgie

* Reinhaltung der Biosphäre:

- Reinigung Abluft und Abwasser

- Altlastensanierung (Böden)

- Abfallaufbereitung u. -verwertung

* Energietechnik, Kraftwerkstechnik

* Baustoffindustrie:

- Erzeugung von Primärbaustoffen

- Recycling von Baustoffen

* keramische und Glasindustrie

* chemische Industrie

* Textilindustrie

* pharmazeutische Industrie

* Lebensmittelindustrie

3

* industriell produzierende Landwirtschaft

* Neben- und Hilfsanlagen des Maschinenbaues, der Kraftfahrzeugtechnik

Die Verfahrenstechnik hat sich erst in den letzten Jahrzehnten als selbständiges Wissenschaftsgebiet herausgebildet. Herausbildung war an die Beantwortung der Fragestellung geknüpft:

Welches sind die Bausteine bzw. Elemente der Stoffwandlungsverfahren?

Siehe Folie 0.12 und Folie 0.13,

Prozesse (leider machmal noch Grundoperationen genannt), z.B.:

Zerkleinern, Klassieren, Anreichern, Sortieren, Mischen, Laugen und Kristallisieren, Agglomeration, Flüssigkeitsabtrennung, Staub- abscheiden, Brennen und Rösten, Trocknen …

Aufgabe der studentischen Lehre in der Verfahrenstechnik besteht nicht da-

rin, Verfahren für die Herstellung bestimmter Stoffe aneinandergereiht zu be- schreiben und diese auswendig zu lernen chemische Technologie. Vielmehr werden behandelt:

die prozesstechnischen Grundlagen einschließlich der naturwissenschaft- lichen Grundvorgänge sowie die Modellierung der Mikro- und Makropro- zesse,

multiskalige hierarchische Ordnung der Prozesse und Stoffwandlungs- verfahren (Folie 0.14, Folie 0.15, Folie 0.16) und deren

multiskalige Modellierungsmethoden, siehe Folie 0.17,

typische Bilanzgleichung in der Mechanischen Verfahrenstechnik, Folie

0.18,

die ausrüstungsmäßige Realisierung der Prozesse und die verfahrens- technische Auslegung der Apparate und Maschinen (Folie 0.19, Folie

0.20),

die Grundlagen der Verschaltung der Prozesse zu Verfahren System- aspekte, Projektierung.

Verfahren = Verschaltung von Makroprozessen zur Herstellung eines Pro- duktes Beispiele:

- Verfahren zur Herstellung von Schotter und Splitt (Folie 0.21) - Blockfließbild der historischen Eisenerzaufbereitung und – verhüttung

nach dem Rennverfahren

(Folie 0.22)

Abgrenzung der Verfahrenstechnik von anderen industrieellen Bereichen der Stoffwandlung:

Fertigungstechnik und Verarbeitungstechnik Formwandlungs-Technik:

Produkte präziser Form werden hergestellt, die Form ist dem jeweiligen Verwendungszweck angepasst,

4

Energieprozesstechnik Stoffumwandlung zum Zwecke der Energie- erzeugung (z.B. Verbrennung zur Wärmeerzeugung) bzw.

Energietechnik Energiewandlungs-Technik (z.B. Wandlung von Wärme in mechanische und in elektrische Energie),

Informationstechnik Informationswandlungs-Technik auf stofflicher und/oder energetischer Grundlage. Kennzeichnend für die Verfahrenstechnik ist die Wandlung bzw. Verarbei- tung von Stoffströmen mit dem Ziel, Stoffe mit bestimmten physikalischen und/oder chemischen Produkteigenschaften zu erzeugen, ohne dass die präzi- se, definierte Form ein Qualitätsmerkmal ist (z. B. Getreidemehl, Zement, Zu- cker, Kalidüngemittel, Farben, Eisenerzkonzentrat). Aber, es existieren Über- gänge zur Fertigungstechnik (z. B. in Keramik, Glasindustrie, Metallurgie). Nach der Art der Einwirkung lässt sich die Verfahrenstechnik wie folgt glie- dern:

Mechanische Verfahrenstechnik:

Stoffwandlung durch mechanische Einwirkung (Energie); Gesetze der Mecha-

nik herrschen vor; hat im Wesentlichen die Wandlung disperser, grober bis

ultrafeiner und auch nanaoskaliger Stoffsysteme (Partikelgrößen etwa

10 nm) zum Inhalt, siehe z. B. Folie 0.12 und Folie 0.13:

- Trennen und Mischen disperser Partikel (Teilchen, Körner, Tropfen, Blasen),

- Zerteilen, Partikel bewegen sich relativ gegenüber der Strömung der fluiden Phase,

- Agglomerieren.

d >

Thermische Verfahrenstechnik:

Stoffwandlung durch thermische Einwirkung; beschränkt im wesentlichen auf

10 nm); ist

nicht unbedingt mit Wärmezufuhr (z.B. Trocknen) oder -abfuhr gekoppelt (un-

terschiedliche thermodynamische Potentiale); Moleküle bewegen sich gegenei- nander. Gesetze der Thermodynamik sind bestimmend.

- Stoff- und Wärmeübertragung,

- thermisches Trennen (z.B. Destillieren, Trocknen, Absorbieren);

molekulardisperse Stoffsysteme (Partikelgröße etwa 0,4 nm

Reaktionstechnik:

Stoffumwandlung durch chemische und biochemische Reaktionen; Gegen- stand ist die technische Realisierung von Reaktionen; Reaktorgestaltung und - dimensionierung.

5

Eindeutige Abgrenzung von MVT und TVT gelingt nur bei den sog. Mikro- prozessen, weil eine Reihe technischer Makroprozesse schon Kombinationen mechanischer und thermischer Mikroprozesse darstellen. Unter einem Mikroprozess versteht man definitionsgemäß die Stoffwandlung in den für den jeweiligen Makroprozess charakteristischen kleinsten Sub- stanzgebieten. Bei den meisten Prozessen der MVT entsprechen diese kleins- ten charakteristischen Substanzgebiete gewöhnlich den einzelnen Partikeln sowie Anordnungen einander benachbarter Partikel (Agglomerate, Parti- kelcluster oder -schwärme).

MVT und TVT sind typischer Weise nach den Makroprozessen (= Prozessein- heiten, die in Apparaten und Maschinen realisiert werden) gegliedert worden. Diese Untergliederung ist sogar bis in die Gegenwart die Vorherrschende. Sie entstand in den 30-er Jahren und stellte damals einen wesentlichen Fortschritt dar. Für die Praxis wird diese Untergliederung auch weiterhin ihre volle Bedeu- tung behalten. Auch diese Lehrveranstaltung wird unter dem Gesichtspunkt der Gliederung nach den typischen Makroprozessen gehalten, z.B.:

Trennen ↔Vereinigen (Mischen) und

Zerteilen Agglomerieren.

Zu den Zielen und Kompetenzen:

Die Studenten

erwerben physikalische Grundverständnisse wesentlicher Prozesse der me- chanischen Verfahrenstechnik und Partikeltechnik,

können sicher mit den statistisch verteilten Stoffeigenschaften disperser Par- tikelsysteme (Stoffanalyse) umgehen, siehe Abschnitt 1., um die Produkt- qualität zu verbessern (Produktgestaltung),

analysieren die Probleme und definieren die Ziele wesentlicher Stoffwand- lungsprozesse disperser Stoffsysteme (Prozess-Diagnose) und arbeiten mög- liche Problemlösungen aus (Prozessgestaltung),

entwickeln und festigen ihre Fertigkeiten bei der Auswahl, Auslegung, Ge- staltung, der verfahrenstechnischen und energetischen Bewertung stochasti- scher und stationärer Prozesse,

können in Grundzügen wesentliche mechanische Prozesse gestalten und die betreffenden Maschinen funktionell auslegen, s. Abschnitte 2. bis 8.

6

1

Kennzeichnung der Eigenschaften disperser Stoffsysteme

1.1

Überblick über disperse Systeme

Disperses System (dispers = zerstreut, räumlich verteilt):

Beispiele:

Bestandteile:

(Folie 1.1, Folie 1.2)

Schüttgut, Suspension, Nebel, Matrixwerkstoffe

(Folie 1.3, Folie 1.4)

Disperse Phase (disperser Stoff) verteilt in einer kontinuierli- che Phase (Dispersionsmittel)

Da durch mechanische Einwirkung sich im Wesentlichen nur grobdisperse

Stoffsysteme wandeln lassen, geschieht im Nachfolgenden eine Beschränkung auf derartige Systeme Die Zustandsaussagen für grobdisperse Stoffsysteme umfassen:

- die Kennzeichnung des Dispersitätszustandes der grobdispersen Phase,

- die Kennzeichnung des Packungs- und Mischungszustandes (Mengen an- teile, Porosität, Homogenität der Mischung). Diese Zustandsänderungen sind nun Gegenstand der MVT.

1.2 Partikelgrößenverteilungen und Kennwerte

Viele Roh- und Hilfsstoffe, Zwischen- und Endprodukte sowie Abfälle verfah- renstechnischer Prozesse stellen feste Partikel- oder Körnerkollektive dar (Haufwerke, Schüttgüter), z.B. Fertigprodukte der Aufbereitungstech- nik, Primärbaustoffe, feste Brennstoffe, Einsatzstoffe der keramischen und Glasindustrie, Düngemittel, Farbpigmente, Tabletten, Futter- und Lebensmittel. Sie sind durch Zerkleinerung-, Klassier-, Kristallisations-, Agglomerations-, Entstaubungs- oder andere Prozesse entstanden und sind polydispers, d.h., sie setzen sich aus Partikeln unterschiedlicher Größe und Form zusammen. Monodispersität bedeutet Partikeln gleicher Größe und Form, z. B. Kugeln oftmals als Modellzustand angenommen. Die Kennzeichnung des Dispersitätszustandes (im Folgenden wegen der Be- schränkung auf Feststoffpartikeln, vor allem granulometrischer Zustand ge- nannt) dieser Stoffsysteme ist von grundlegender Bedeutung, weil Größe und Form viele Eigenschaften der einzelnen Partikeln (wie z. B. Homogenität, Festigkeit bzw. Bruchwahrscheinlichkeit, Löslichkeit, Reaktivität) sowie des

7

Partikelkollektivs (Trennbarkeit, Mischbarkeit, Fließverhalten, Durch- strömungsverhalten, Agglomerationsverhalten, Neigung zur Staubbildung) unmittelbar beeinflussen. Die Kennzeichnung des granulometrischen Zustandes (granum - das Korn, granulum - das Körnchen) beinhaltet im Allgemeinen Aussagen über die Partikelgrößen und deren Wahrscheinlichkeit des Antreffens im Kollektiv im Sinne einer Eigenschaftsverteilung. Eine integrale Aussage über den Dis- persitätszustand eines Partikelkollektivs ermöglicht seine spezifische Oberflä- che. In neuerer Zeit gewinnt zusätzlich die Beschreibung der Partikelformen und deren Verteilung wachsende Bedeutung.

Wesentlich für eine mathematisch widerspruchsfreie, allgemeingültige Behand- lung von verteilten Stoffeigenschaftsgrößen ist nun die axiomatische Wahr- scheinlichkeitsdefinition nach A. N. KOLMOGOROFF (1933). Jedem Zu- fallsereignis E aus einem Ereignisraum einer Grundgesamtheit G wird eine reelle Zahl (= Wahrscheinlichkeit = probability) P(E) mit folgenden Eigen- schaften zugeordnet:

I. Für jedes Zufallsereignis gilt die Nichtnegativität:

P(E) 0

II. Für das sichere Ereignis gilt:

P(E) =1

( 1.1)

( 1.2)

III. Für abzählbar unendlich viele, paarweise disjunkte (unvereinbare) Ereignis- se E i gilt die Additivität ( vgl. logisches UND):

P E

(

1

E

2

E

i

)

=

P E

(

1

)

+

P E

(

2

)

+

P E

(

i

)

+

( 1.3)

1.2.1 Partikelgrößenmerkmale

Die Definition des Begriffes Partikel- oder Korngröße (Folie 1.5) - im Fol- genden durch das Symbol d (= Durchmesser) oder x (nach DIN 66 161) ge- kennzeichnet - ist nicht problemlos. Für den Fall einer idealen Kugelform er- möglicht der Durchmesser eine eindeutige Aussage. Auch einige weitere re- gelmäßige Körper ließen sich durch den Formtyp und eine Hauptabmessung eindeutig kennzeichnen (z. B. Würfel, Tetraeder).

Allerdings entstehen mit abnehmender Symmetrie zunehmend Schwierigkeiten hinsichtlich der Festlegung der charakteristischen Hauptabmessung. Praktisch liegen aber fast ausnahmslos unregelmäßig geformte Partikeln bzw. Körner vor. Man behilft sich deshalb mit Partikelgrößendefinitionen, die von messba- ren physikalischen Partikeleigenschaften - sog. Partikelgrößenmerkmalen, d. h. von größenabhängigen physikalischen Eigenschaften - abgeleitet sind.

8

Voraussetzung ist dabei selbstverständlich, dass ein funktioneller Zusammen- hang zwischen der Messgröße und der Partikelgröße existiert. Als messbare Partikeleigenschaften (Folie 1.5) sind in Betracht zu ziehen:

a) charakteristische Längen:

Dazu gehören die lichten Öffnungsweiten w von Sieböffnungen, die bei den verbreitet angewendeten Siebmethoden die Grundlage für die Partikelgrö- ßenbewertung bilden. Für Partikeln, die Öffnungen der Weite w passieren können, gilt d < w. Für Partikeln, die wegen ihrer Abmessungen dazu nicht in der Lage sind, ist d w.

Im Zusammenhang mit den abbildenden Methoden der Partikelgrößenanalyse (siehe auch 1.2.2.1) werden charakteristische Sehnenlängen der Bilder einer Zufallsanordnung von Partikeln in einer Ebene als Partikelgrößenmerkmale benutzt. Dafür ist die Messrichtung vorzugeben. Als Partikelgrößenmerkmale kommen dann vor allem die in Folie 1.6.1 dargestellten Sehnenlängen in Be- tracht:

FERETsche Sehnenlänge d F ,

MARTINsche Sehnenlänge d M (Sehne in Messrichtung, die die Projekti- onsfläche halbiert),

maximale Sehnenlänge d S

b) Oberfläche oder Projektionsfläche:

Während die messtechnische Erfassung der Oberfläche einzelner Partikeln bzw. Körner erhebliche Schwierigkeiten bereitet, liefert die Bildauswer- tung Möglichkeiten zur Bewertung der Projektionsfläche (siehe z. B. /9/).

c) Volumen oder Masse:

Das Volumen gröberer (nichtporöser) Partikel bzw. Körner lässt sich mittels der beim Eintauchen in eine Flüssigkeit eintretenden Verdrängung bestim- men (Pyknometrie). Einfacher und für einen breiteren Größenbereich an- wendbar ist die Bestimmung der Partikelmasse mittels Wägung.

d) stationäre Sinkgeschwindigkeit:

Die Bewertung der stationären Sinkgeschwindigkeit ist die messtechnische Basis der Stromklassier- und Sedimentationsmethoden, die für Partikelgrö- ßenanalysen im Fein- und Feinstkornbereich sehr verbreitet eingeführt sind.

e) Feldstörungen:

Die durch einzelne Partikeln bzw. Körner verursachten Störungen eines elektrischen Feldes bilden die messtechnische Grundlage der Impulsmetho- den (Coulter-Prinzip). Bei anderen Methoden wird die Intensität der in einer Partikel- bzw. Kör- nersuspension

gestreuten (Beugung) oder

absorbierten (Extinktion) Strahlung

9

für

die Partikelgrößenanalyse ausgewertet. Auch diese Methoden eignen

sich

nur für genügend feine Körnungen.

Unabhängig von der gemessenen Partikeleigenschaft ist es üblich, Aussagen über die Partikelgrößen mittels Linearabmessungen zu machen. Falls also nicht unmittelbar charakteristische Längen bewertet worden sind, steht man bei der Umrechnung der Messwerte (z. B. Projektionsflächen, stationäre Sinkge- schwindigkeit) vor dem Problem, welche Partikelform dafür angenommen werden soll. Man löst dieses Problem in der Regel dadurch, dass Kugelgestalt als Modell zugrunde gelegt wird. Diese Partikeldurchmesser bezeichnet man als äquiva- lente Kreis- bzw. Kugeldurchmesser oder äquivalente Partikelgrößen. Man erhält diese wie folgt:

a) die flächenäquivalenten Kugel- bzw. Kreisdurchmesser d S und d P :

d

S

=

bzw.bzw. Kreisdurchmesser d S und d P : d S = d P = 4 ⋅

d

P

=

4 ⋅ A P π
4
⋅ A
P
π

A

A P Partikelprojektionsfläche

S

Partikeloberfläche (S = surface)

(

1.4)

b) den volumenäquivalenten Kugeldurchmesser d V :

⋅ V 3 6 P d = V π V P Partikelvolumen
⋅ V
3 6
P
d
=
V
π
V P Partikelvolumen

( 1.5)

c) den äquivalenten Durchmesser d vs der Kugel gleicher stationärer Sink- geschwindigkeit v s (siehe auch 4.1.2. MVT_e_4neu.doc#Sinkgeschwin- digkeit, MVT_e_4neu.pdf):

d

v

s

=

3

⋅ ⋅ρ⋅

c

W

f

v

2

s

4

(

⋅ ⋅ρ−ρ

a

s

f

)

(

1.6)

a Beschleunigung (a = acceleration)

c W Widerstandsbeiwert (c W = f(Re)) ρ s Feststoffdichte

ρ

Fluiddichte Entsprechende äquivalente Durchmesser sind auch für Methoden ableitbar, bei denen Feldstörungen gemessen werden (siehe z. B. /7/ /9/ /10/).

f

1.2.2

Partikelgrößenverteilungen

Bei der Kennzeichnung des granulometrischen Zustandes von Partikel- bzw. Körnerkollektiven ist vorwiegend die Aufgabe gestellt, Aussagen über die

10

Wahrscheinlichkeitsverteilung der Partikelgrößen im Kollektiv oder in der Grundgesamtheit (= population) zu gewinnen, d.h. darüber, welcher Men- genanteil kleiner als eine bestimmte Bezugspartikelgröße ist oder auch wel- che Mengenanteile auf vorgegebene Partikelgrößenklasse oder -fraktionen entfallen. Derartige Informationen gewinnt man mit Hilfe entsprechender Par- tikelgrößenanalysenmethoden, bei denen der Bewertung eines der im letzten Abschnitt erörterten Partikelgrößenmerkmale zugrunde liegt. Für die Auswahl der Partikelgrößenanalysenmethode kann eine Rolle spielen und für die Dar-

stellung der Verteilungen ist in jedem Falle wesentlich, welche Mengenanteile oder Mengenart zugrunde gelegt werden soll. Am meisten verbreitet sind

- Massenverteilungen, aber auch

- Anzahlverteilungen

spielen eine gewissen Rolle. Längenanteile sind in der MVT kaum von Interes- se. Für Beschichtungprozesse (Coating) können durchaus Flächenanteile als Mengenart bedeutsam sein. Die Kennzeichnung der jeweils benutzten Men- genart soll im Folgenden auch einem verbreitet anerkannten Vorschlag mittels eines Index r (= Dimension) geschehen, wobei:

(0) r = 0 Anzahlanteile (von l 0 ) ,

(1) r = 1 Längenanteile (von l 1 ) , (2) r = 2 Flächenanteile (von l 2 ) und (3) r = 3 Volumen- (von l 3 ) bzw. Massenanteile als Mengenart charakterisieren /11/ /12/.

1.2.2.1 Partikelgrößenverteilungsfunktion und –verteilungsdichte

Um die Partikelgrößenverteilungsfunktion (Verteilungssummenkurve, Quantil)

Q r (d) nach DIN 66 141 (früher F r (x) „Verteilungsfunktion“) eines Partikelkol- lektivs zu gewinnen, sind die Wahrscheinlichkeiten und somit die Mengenan- teile zu bestimmen, deren Partikeln kleiner als vorgegebene Partikelgrößen

d 1 , d 2

aufzutragen (Folie 1.6.2).

d i sind, und in einem Diagramm über der oberen Klassengrenze d i

Man erhält die Verteilungsfunktion Q r (d * <d) als Summe der Einzelwahr-

scheinlichkeiten

nannten Eigenschaften auf:

(1) Mit den KOLMOGOROFF’schen Wahrscheinlichkeitsaxiomen Gln. ( 1.1) bis ( 1.3) gelten folgende Normierungsbedingungen Q r (d) = 0 für d d u

Sie weist die nachstehend ge-

(

P d

1

)

+

P ( d

2

) +

P ( d

i

)

+

Q r (d) = 1 für d > d o

d u kleinste (untere) Partikelgröße

( 1.7)

11

d o größte (obere) Partikelgröße

(2) stetig (3) monoton nicht fallend, d.h. für d 1 < d 2 gilt Q r (d 1 ) Q r (d 2 )

( 1.8)

Die Partikelgrößenverteilungsdichte (Verteilungsdichtekurve) q r (d) nach DIN 66 141 (früher f r (d)) ergibt sich nach:

q

r

(

d ) =

dQ

r

(

d

)

d (

d

)

,

( 1.9)

d.h., man kann sie durch Differentiation der Partikelgrößenverteilungsfunk- tion gewinnen bzw. letztere durch Integration der Verteilungsdichte erhalten. Will man die Partikelgrößenverteilungsdichte q r (d) unmittelbar aus den Men- genanteilen der Partikelgrößenklassen bestimmen, wie sie sich z. B. bei Sieba- nalysen ergeben, so geht man zu folgender Schreibweise von Gl.( 1.9) über:

q

r

(

d

)

=

lim

∆ → 0

d

Q

r

(

d

+∆ d )

Q

r

(

d

)

d

.

(

1.10)

Da man die Partikelgrößenklassen im Hinblick auf die Analysenmethode nicht beliebig klein wählen kann, so werden für die numerische Berechnung entspre- chend aufeinander folgende Klassengrenzen d i-1 und d i eingesetzt:

q (d

r

 

d

 

) =

Q (d )

r

i

Q (d

r

i

1

)

i

1

i

 

d

 

d

 
 

i

i

1

( 1.11)

Damit ist aber die unmittelbare Zuordnung von q r zu einer bestimmten Parti-

kelgröße d innerhalb der Partikelgrößenklasse d i-1

Man erhält deshalb bei der graphischen Darstellung zunächst ein Säulendia- gramm - auch Histogramm genannt -, wie es Folie 1.6.3 und Folie 1.7 zeigt. Die Ordinate ist in mm -1 geteilt - %/mm oder sogar nur %-Angaben sind abso- lut falsch!

d i nicht mehr gegeben.

Der Übergang zum Differentialquotienten gemäß Gl.( 1.9) und damit zur steti- gen Kurve für q r (d) geschieht durch Flächenausgleich. Darüber hinaus darf bei engeren Klassen näherungsweise als Abszissenwert auch das arithmetische Klassenmittel,

d

m,i

=

d

i 1

+

d

i

2

( 1.12)

bzw. bei breiterer Klasseneinteilung das logarithmische Mittel

d

m,log,i

=

10

log d + log d i − 1 i 2 = d ⋅ d i
log d
+ log d
i
− 1
i
2 =
d
d
i
− 1
i

( 1.13)

12

verwendet werden. Beide Klassenmittelwerte unterscheiden sich nur geringfü- gig - Faktor 0,75 (0,9) bzw. 0,707 (0,895) - bei entsprechend enger Klassen- einteilung nach der R 10/3-Reihe (Klammerwerte für R 10-Reihe). Bei einer Vielzahl von Messwerten (M >> 10) sollte grundsätzlich der Mess- bereich in diskrete Klassen eingeteilt werden. Diese Klasseneinteilung nimmt man zweckmäßig mit den sog. Normzahlen vor. Diese Normzahlen (NZ) sind gerundete Glieder geometrischer Reihen, die sich wie folgt berech- nen lassen:

für die R10-Reihe gilt:

10 10
10
10

1,25

 

( 1.14)

=

( 10
(
10

10)

3

2

.

( 1.15)

q

q

10 =

10 / 3

für die R 10/3-Reihe gilt:

Z.B. für die Siebmaschenweiten w i oder Partikelgröße d i bedeutet das:

w

i

= q

10 / 3

w

i

1

bzw.

d

i

= q

10 / 3

d

i 1

.

( 1.16)

Zusätzlich wird in Abhängigkeit von der Gesamtanzahl der Messwerte M folgende Klassenzahl N empfohlen (Tabelle T 1.1):

Anzahl der Messwerte m = 1

M

Klassenzahl i = 1

N

5 M 25

N M/5

25 M 100

N

M
M

100 < M

N 1 + 4,5 lg M

Tabelle T 1.1: Klassenzahl N in Abhängigkeit vom Datenumfang M stetiger oder diskreter Merkmale 1

Falls die Verteilungsdichte mit einer logarithmisch geteilten Abszisse darge-

stellt werden sollte, ist über den konstanten Masseanteil zu normieren, da sonst eine logarithmische Verzerrung der Grafik zu verzeichnen ist:

µ

3

q

3

(

= const .

d

)

d

(

d

bzw.

)

= q

*

3

dQ

3

(

d

(log d

)

)

= dQ

d

(

d

)

*

3

(log

d

d

(log

)

d

und damit

) /

d

(

d

)

.

Die Ableitung auf der rechten Seite ist:

q

*

3

(log d )

=

q (d )

3

d / log e

.

d(log d)

1

log e

=

=

d(d)

d ln10

d

( 1.17)

, d.h.,

Numerisch lässt sich einerseits mit dem Klassenmittelwert d m,i als Abszissen- wert gewinnen

q

*

3

(log

d

i

)

=

q

3

(

d

i

)

d

m i

,

2,3

.

Dr.- Ing.habil. J. Tomas 1992

1 Czichos, H., Hütte – Grundl. der Ingenieurwissenschaften, S. A 139, Springer Berlin 1991.

13

Andererseits kann die transformierte Verteilungsdichte auch direkt mit

 

*

(log

d

) =

Q (

3

d

)

q

3

d

log

 

berechnet werden, wobei

d

log,

i

=

log

d

i

log

d

i

1

ist oder näherungsweise

=

log

d

i

d i − 1

d i 1

d

log, i

log

q

10 / 3

*

µ 3,i

q 3

(log d ) =

i

log(d

i / d

i

1

)

 

(

1.18)

(

1.19)

log2

. Damit lässt sich

 

(

1.20)

über den logarithmischen Klassenmittelwert Gl.( 1.13)

d

m

,log,

i

=

d i d i ≈ 2 q 10 / 3
d i
d i
2
q 10 / 3

= 0,707d

i

d m,log,i

=

d ⋅ d i − 1 i
d
⋅ d
i
1
i

auftragen. Die Ordinate ist gemäß Gl.( 1.20) dimensionslos und sollte vor- zugsweise linear geteilt werden. Durch diese Transformation werden die hohen Masseanteile der Partikelgrößenfraktionen vergleichsweise realistisch darge- stellt. Insbesondere unterbleibt die grafische Überbewertung der Feinst- gutfläche (= Masseanteile) durch die geringen Größendifferenzen d i (verglei- che Gln.( 1.11) und ( 1.20)) bei ansonsten gleichem Teilungsfaktor, z.B. q 10/3 im logarithmischen Maßstab. Bei monomodalen Verteilungsdichten ist die logarithmische Auftragung insbe- sondere dann sinnvoll, wenn das Merkmal wirklich über (log d) normal ver- teilt ist, d.h. eine symmetrische Verteilungsdichte liefert. Die Ergebnisse einer Partikelgrößenanalyse stellt man vielfach zunächst in ei- ner Tabelle zusammen. Dies ist in Folie 1.6.4 an einem Beispiel mit der Masse als Mengenart gezeigt. Diese Verteilungstafel enthält neben der Bezeichnung der Partikelgrößenklasse i deren Masseanteil µ 3,i = m i /m ges sowie den zur je- weils oberen Klassengrenze gehörigen Wert der Partikelgrößen- verteilungsfunktion Q 3 (d < d i ) (Verteilungssumme). Die feinste und gröbste Partikelklasse gibt man in der Verteilungstabelle gewöhnlich ohne untere bzw. obere Begrenzung an (z. B. "-0,6 mm" und "+20 mm"), da diese im Allge- meinen nicht exakt bekannt sind. In Folie 1.6.5 sind die zur Tabelle gehörige Partikelgrößenverteilungsfunktion Q 3 (d) mit linearer Teilung beider Koordi- naten, sog. lineares Netz, sowie die Partikelgrößenverteilungsdichte q 3 (d) dar- gestellt. Für die Kennzeichnung der Partikelgrößenverteilungsfunktion mit der Masse als Mengenwert wurde früher auch das Symbol D(d) (Siebdurchgang und „Durchgangskennlinie“) sowie R = 1 – D (Rückstand und „Rückstandskenn- linie“) benutzt.

14

1.2.2.2 Analytische Partikelgrößenverteilungsfunktionen

Da die Normalverteilung den Bereich von - bis + erfasst, dürfte sie an sich nur wenig für die approximative Beschreibung von Partikelkollektiven geeignet sein. Lediglich für Kristallisate und Agglomerate sowie bei Wahl der Masse als Mengenart hat sie sich hin und wieder als geeignet erwiesen /17/, wobei ihr aber die logarithmische Normalverteilung überlegen sein dürfte. All- gemein lautet die Normalverteilung (Folie 1.7):

q (d) =

r

Q

r

(d) =

2   1 1  d −µ ⋅ exp − ⋅   
2
1
1  d −µ
⋅ exp − ⋅ 
 
σ⋅ 2 ⋅π
2
σ

,

d 2   1 1  t −µ  ⋅ ∫ exp  −
d
2
1
1  t −µ 
exp
σ⋅ 2 ⋅π
2 
σ
−∞

dt .

( 1.21)

( 1.22)

Allerdings ist zu beachten, dass für die Integrationsvariable t der gesamte Wer- tebereich − ∞ < t < ∞ gilt, zur Darstellung von Partikelgrößenverteilungen

jedoch nur der Wertebereich zwischen unterer und oberer Partikelgröße

0

<

d

u

d

d

o

<∞

(

1.23)

physikalisch sinnvoll ist. Mit der Transformation der Integrationsvariablen

u = d

−µ

σ

und dem neuen Wertebereich -∞ ≤ u ≤ ∞

Q (d) =

r

dtund dem neuen Wertebereich - ∞ ≤ u ≤ ∞ Q (d) = r ( 1.24)

( 1.24)

( 1.25)

lässt sich die dimensionsbehaftete Standardabweichung σ Gl.( 1.27) vor dem Integral eliminieren (Folie 1.7). Die Parameter der Normalverteilung sind:

µ = d 50 = d h

d

d

σ 2

( 1.26)

50

h

Zentralwert, d.h. Partikelgröße für Q r (d) = 50 % (Lagemaß) Modalwert, d.h. Partikelgröße des Maximums der Verteilungsdichte Varianz oder der Standardabweichung σ (Breitemaß der NVT)

σ =

d

84 d

16

2

(

1.27)

d 84 ; d 16

Partikelgrößen für Q r (d 84 ) = 84,1 % bzw. Q r (d 16 ) = 15,9 %

Man gelangt von Gl.( 1.22) über die Normierung µ = 0 und σ = 1 zur normier- ten Normalverteilung, die gewöhnlich tabelliert vorliegt.

Q (d) =

r

u 2 1  t  ⋅ ∫ exp −   2 ⋅π 2
u
2
1
t
exp
2 ⋅π
2
−∞

dt

=

0,5

+

u 2 1 t  ⋅ ∫ exp  dt  −  2 ⋅π
u
2
1
t
exp
 dt
 −
2 ⋅π
2
 
0

(

1.28)

Davon ausgehend sind die sog. Fehlerfunktion (error function) erf(d) und ihre Komplementärfunktion (error function complement) erfc(d) bedeutsam:

15

erf (d)

erfc(d)

=

=

2

1

Q

NVT

(d

erf (d)

⋅ 2)
2)

− =

1

d 2 ⋅ ∫ π 0
d
2
π
0

exp[ t ]dt

2

= − 2

Q

NVT

(d

⋅ 2)
2)

.

,

( 1.29)

( 1.30)

Diese ergeben sich unter ausgewählten Randbedingungen als Lösungen der FOKKER-PLANCK-Differentialgleichung der statistischen Physik 2 für den Transport oder die „Verschiebung“ molekularer Fluidteilchen (siehe Abschnitt 4.3.1 MVT_e_4neu.doc#Fokker_planck, MVT_e_4neu.pdf). In der Schreib- weise von KOLMOGOROFF (siehe MVT_e_4neu.doc#Kolmogoroff_Dgl) drückt sie die Wahrscheinlichkeit q(x,t) dx dafür aus, dass sich das betrachte-

te Fluidteilchen zum Zeitpunkt t im Intervall x bis x + dx befindet:

q(x,t)

t

=−

[

]

u (x) q(x,t)

1

1

+

x

2

2

[

u (x) q(x,t)

2

]

x

2

(1.31)

der Geschwindigkeitsverteilung

entspricht einer Streuung. Mischung oder Dispersion der Fluidteilchen um die Ortslage x = const. Es ist ein Maß des mittleren Verschiebungsquadrates der ungeordneten Bewegung der Fluidteilchen und wird basierend auf EINSTEIN als Diffusionskoeffizient definiert, Gl.( 1.86).

Das zweite Moment u (x) / 2

2

=

D(x)

=

const.

Ob nun eine Partikelgrößenverteilungsfunktion angenähert einer Normalver- teilung gehorcht, kann man mittels eines einfachen Wahrscheinlichkeitsnet- zes (Ordinate im Maßstab der Normalverteilungsfunktion, Abszisse linear ge-

teilt) relativ einfach prüfen. Dort müssten sich nämlich die Messwerte Q r (d 1 ),

Q r (d 2 ),

Eine Normalverteilung wird aus einer Summe zufälliger, statistisch unabhän- giger, fehlerhafter Merkmals-Einzelwerte erhalten – svw. asymptotische NVT nach GAUSS - als Grenzwert der Wahrscheinlichkeitssumme lt. III. Axiom von KOLMOGOROFF Gl.( 1.3). Davon ausgehend ergibt das Produkt statistisch unabhängiger, fehlerhafter Merkmals-Einzelwerte (Summe der Logarithmen!) eine sog. logarithmischen Normalverteilung (LNVT). Das heißt, der Logarithmus des Merkmals ist normalverteilt. Die Eignung der logarithmischen Normalverteilung zur Be- schreibung von aus Zerkleinerungsprozessen herrührenden Partikelgrößen- verteilungen hatte erstmalig KOLMOGOROFF 3 aufgrund theoretischer Über-

, Q r (d n ) angenähert durch eine Gerade erfassen lassen.

Dr.- Ing.habil. J. Tomas 1992

2 Risken, H.: The Fokker-Planck Equation, Methods of Solution and Applications, Springer Verlag, Berlin 1996

3 Kolmogoroff, A.N., O logaritmiczeski-normalnom raspredelenija razmerov czastic pri dro- blenii, Doklady Akademii Nauk SSSR 31 (1941) 99 - 101

16

legungen erkannt und ist seitdem für eine ganze Reihe von Anwendungsbei- spielen nachgewiesen worden /14//19/ bis /26//37/ 4 . Man gelangt zur zweiparametrigen Log-Normalverteilung durch die Substi- tution (DIN 66 144, Folie 1.7):

ln d −µ ln u = und d(ln t) = dt / t σ ln
ln d −µ
ln
u =
und
d(ln t) = dt / t
σ ln
2
u
1
1
 ln t −µ
ln
Q (d) =
exp 
 
d(ln t)
,
r
2 ⋅π
2
σ
−∞
ln
 

( 1.32)

( 1.33)

wobei der Größenbereich 0 < d < und damit die transformierten Integrati- onsgrenzen -< u < sind. Für die beiden Verteilungsparameter gilt

µ ln = ln d 50

σ

ln

=

1

2

d

84

d

16

ln

d

84

d

50

 = ln

d

50

d

16

 = ln

 =

ln   d

50

d

h

 

 

1/ 2

.

( 1.34)

( 1.35)

Anschaulich lässt sich diese Substitution so deuten, dass die im linearen Kör- nungsnetz für das Merkmal d asymmetrische Verteilung in einem einfach- logarithmischen Netz in eine Normalverteilung für das Merkmal ln d über- führt wird. Deshalb sind µ ln und σ ln Parameter der Verteilung von ln d und dür- fen nicht mit den Parametern der entsprechenden Verteilung von d verwechselt werden. Ob eine Partikelgrößenverteilung durch eine zweiparametrige Log- Normalverteilung erfassbar ist, lässt sich in einem Wahrscheinlichkeitsnetz mit logarithmischer Abszissenteilung prüfen, in dem die Messwerte eine Gerade liefern müssten. Lässt sich die Anzahlverteilung eines Partikelkollektivs durch eine Log-Nor- malverteilung erfassen, so gilt dies auch für die zugehörige Masseverteilung und umgekehrt. Anzahl- und Masseverteilung stellen im logarithmischen Wahrscheinlichkeitsnetz parallele Geraden dar mit dem Anstieg:

σ =σ =σ

ln,0

ln,3

ln

,

( 1.36)

wobei sich der Zentralwert d 50 der gesuchten Mengenart k aus dem der gegebe- nen Mengenart r wie folgt ergibt /7/ /9/:

d

50,k

=

d

50,r

exp[ σ

2

ln

(k

r)]

.

( 1.37)

Eine vierparametrige logarithmische Normalverteilung mit der unteren Grenze d u und der oberen Grenze d o erhält man aus Gl.( 1.32) durch nachste- hende Substitution /15/:

Dr.- Ing.habil. J. Tomas 1992

4 Siehe: Schubert, H., Aufbereitung fester mineralischer Rohstoffe, S. 29, Deutscher Verlag f. Grundstoffindustrie, Leipzig 1989.

17

u

δ

δ =

=

d

ln δ−µ

ln, δ

o

σ ln, δ

d

d

u

d

o

d

,

 

wobei

( 1.38)

mit

d u d d o

( 1.39)

ist. Für d u = 0 geht sie in eine dreiparametrige Log-Normalverteilung mit

oberer Grenze über, die sich insbesondere für die Beschreibung von Zerklei- nerungsergebnissen eignet (siehe MVT_e_2neu.doc#deltatransformation Ab-

schnitt 2.1.2.3, bzw. MVT_e_2neu.pdf).

In der Absicht, die Partikelgrößenverteilung von Zerkleinerungsprodukten

analytisch darzustellen, sind die GATES-GAUDIN-SCHUHMANN- Verteilung /27/ bis /29/ und die ROSIN-RAMMLER-SPERLING-BEN- NETT (RRSB)-Verteilung /30//31//47/ nach empirischen Untersuchungen entstanden (Folie 1.8). Die GATES-GAUDIN-SCHUHMANN-Verteilung (GGS-Verteilung, DIN 66 143) lautet:

Q

3

d

(d) = 

d

o

k

.

( 1.40)

Durch Logarithmieren erhält man daraus eine Geradengleichung:

lg Q

3

=

k

lg d

k

lg d

o

bzw.

lg Q

3

= k lg d + A ,

( 1.41)

wobei A = −k lg d

logarithmischen Netz ergibt diese Verteilung folglich eine Gerade mit dem Anstieg k = tanα (beachte Abszissen- und Ordinatenmaßstab!). Diese Potenz- funktion benutzt man heute vielfach in der Schreibweise von BOND:

o für das jeweilige Kollektiv eine Konstante ist. Im voll-

Q (d)

3

=

0,8

 

d

d

80

k

.

( 1.42)

Durch das Normieren auf die 80% - Partikelgröße wird die Anwendung der

Potenzfunktion erleichtert, weil diese im Gegensatz zur oberen Partikelgröße ohne Schwierigkeiten bestimmbar ist.

Für verschiedene feingemahlene Produkte fanden Rosin und Rammler einer- seits und Sperling andererseits eine Exponentialfunktion, die in einer neuen Schreibweise (WEIBULL-Verteilung der Statistik, Folie 1.7) lautet:

Q (d)

3

d 63

=

1

exp

d  

d

63

n

Partikelgröße (Maßstabswert), für die Q (d)

3

= −

1

1/ e

=

( 1.43)

63%

ist

n Parameter der Kurvengestalt; liegt vielfach zwischen 0,7 und 1,4.

Für das zweifache Logarithmieren ist es nützlich, die RRSB-Verteilungs-

funktion wie folgt umzustellen:

18

1

1 Q

3

(d)

=

exp

d

d

63

n

lg (lg

1

1 Q

3

(d)

) = n lg d - n lg d

1

lg (lg

)
1

Q (d)

3

lg (lg ) 1 − Q (d) 3 = n lg d+ C ,

= n lg d+ C

,

63

lg

1

1 Q

3

(d)

= 

+ lg (lg e)

bzw.

d

d

63

n

lge

( 1.44)

wobei C = lg (lg e) - n lg d 63 für das jeweilige Kollektiv eine Konstante ist. Damit ist die RRSB-Funktion in die Gleichung einer Geraden überführt wor- den, deren Anstieg n = tanα ist. Für die Handhabung sind doppelt-logarith- mische Körnungsnetze entwickelt worden (Folie 1.8.7 und 8):

Sie zeichnen sich dadurch aus, dass die Ordinate nach lg (lg 1/(1-Q 3 (d)) und die Abszisse nach lg d geteilt sind. In diese Körnungsnetze sind außerdem Rand- maßstäbe aufgenommen worden, welche die rasche Ermittlung des Parameters n und des Oberflächenkennwertes A S,V,K d 63 (siehe folgender Abschnitt 1.2.2.5) zulassen /34//35/. Man erhält diese durch Parallelverschiebung der RRSB- Geraden durch den Pol P und liest am Schnittpunkt mit den Randmaßstäben die entsprechenden Zahlenwerte ab. Durch die Parameter d 63 und n ist diese Vertei- lung eindeutig beschrieben. Dreiparametrige RRSB-Verteilungen erhält man mit Hilfe folgender Substi- tutionen der Argumente, die der Gl.( 1.39) äquivalent sind, und zwar

mit unterer Grenze d u , siehe auch Folie 1.7 unten:

Q 3

(d, d

u

)

= 1

exp

 

 

d

d

u

d 63

d

u

 

n

 

 

und mit oberer Grenze d o :

Q

3

(d, d

o

)

= 1

exp

d

o

d

d

o

d

63

 

n

1.2.2.3 Statistische Momente

(

1.45)

( 1.46)

In zunehmendem Maße führen sich auch zur Kennzeichnung von Partikelgrö- ßenverteilungen die von den Wahrscheinlichkeitsverteilungen bekannten Mo- mente ein /11//12//14/, die wiederum aufgrund der formal analogen mathema- tischen Struktur begrifflich der Mechanik entlehnt wurden:

Statisches Moment (Drehmoment um die y-Achse, mathematisch positiv wenn entgegen dem Uhrzeigersinn nach links drehend) (Folie 1.9)

M =

y

F z (

x dx

)

(

1.47)

19

x = r Abstände der Wirkungslinien der Kräfte in z-Richtung bezüglich der y-Achse (Schwer- oder Drehpunktachse oder „neutrale Fa- ser“ bei Biegung)

Trägheitsmoment

J

=

y

2

x

dm

(

1.48)

statisches Flächenmoment 1. Grades und Flächenschwerpunktsabstand x S bezüglich der y-Achse

S

=

y

xdA

x =S

S

y

/ A

ges

( 1.49)

Flächenmoment 2. Grades (auch sog. „Flächenträgheitsmoment“)

I

y

=

x

2

dA

( 1.50)

x Abstand

der

Bezugsachse

Flächenelemente

dA

Satz von Steiner gültig für parallel ver- schobene Koordinaten x-y nach x*-y*

mit

dem Schwerpunkt als Ursprung und

den

Schwerpunktsabständen x S , y S

 

2

. ( 1.51)

I

y =

I

y

+

x

S

A

in der x-y-Ebene von der y- y y* S y S x* x x S
in
der
x-y-Ebene
von
der
y-
y
y*
S
y S
x*
x
x
S

Diese sind nun für eine Partikelgrößenver- teilung mit der Verteilungsdichte q r (d) wie folgt definiert:

d d o ( * ) k o ( * ) k = ∫ d
d
d
o
(
*
) k
o (
*
) k
= ∫
d − d
⋅ q
r (d )d (d )
=
d
d
dQ (d )
.
*
M k r
,
r
d
d
d
u
u

Bild 1.1: Koordinaten- verschiebung

( 1.52)

stellt das vollständige k-te Moment der Partikelgrößen-

verteilungsfunktion Q r (d * <d) in der Mengenart (Dimension) r bezüglich einer Partikelgröße d * dar, wobei k eine ganze Zahl ist. Da Gl.( 1.52) vielfach nicht analytisch integrierbar ist, muss auf die numerische Berechnung durch Summation der Klassenmittelwerte zurückgegriffen werden:

d

*

M k , r

d*

M

k,r

N

i = 1

(

d

m,i

d *

)

k

⋅µ

r,i

.

( 1.53)

N

d

m,i

=

d

i

1

+

d

i

2

Gesamtzahl der Partikelgrößenklassen des Kollektivs

Klassenmittelwert der i-ten Partikelgrößenklasse

d i-1 ; d i untere bzw. obere Grenze der i-ten Größenklasse µ r,i Anteil der i-ten Partikelgrößenklasse in der Mengenart r Für d * = 0 erhält man die Anfangsmomente, die auch als (Schätzwerte der) Erwartungswerte bezeichnet werden:

20

M

k,r

=

d

0

d

u

d

k q

r (d)d(d) .

( 1.54)

Mit k = 1 erhält man daraus die mittlere Partikelgröße d m,r als Schätzung des Erwartungswertes E(d) des Kollektivs (s. Absch. 1.2.2.5, Tab. T 1.2)

E(d)

=

M

1,r

= d

m,r

=

d

o

d

u

d

q

r

(d) d(d) ,

( 1.55)

wenn das Integral oder die numerische Summe absolut konvergieren:

d

m,r

=

N

i = 1

d ⋅µ

m,i

r,i

.

( 1.56)

Von Bedeutung sind weiterhin die zentralen Momente, d.h. die auf den „Schwerpunkt“ E(d) = d m,r bezogenen

d

m,r

M

k,r

= Z

k,r

=

d

o

d

u

(d

d

m,r

)

k

q (d) d(d) .

r

( 1.57)

So stellen Z 2,r σ r 2 die Varianz Var(d), Streuung oder Dispersion D 2 (d),

E[(d

E(d))

2

]

=

Var(d)

=

2

D (d)

(siehe Abschnitt 1.2.2.5, Tab. T 1.2)

[(

E d

d

m,r

)]

2

2

=σ =

r

N

(

σ= d d

r

m,i

2

i

=

1

m,r

)

2

d

o

d

u

(d

d

⋅µ =

r,i

m,r

N

=

i

1

)

2

d

q (d) d(d)

r

2

m,i

⋅µ − d

r,i

=

d

o

d

u

2

m,r

d

2

q (d) d(d)

r

d

2

m,r

(

1.58)

(

1.59)

und v r σ r /d m,r den Variationskoeffizienten einer Größenverteilung dar.

1.2.2.4 Umrechnung der Mengenarten der Verteilungsfunktionen

Von Bedeutung ist die Umrechnung von Anzahlverteilungen in Volumen- bzw. Masseverteilungen und umgekehrt (Folie 1.9 und Folie 1.10). Dafür kann man von nachstehendem Integral ausgehen

d

d

u

d

k

q (d) d(d) ,

r

( 1.60)

das ein unvollständiges k-tes Anfangsmoment der Q r -Verteilung darstellt, weil

d erfasst. Vollständige Momente wer-

es nur den Partikelgrößenbereich d u

den immer zwischen der kleinsten und größten Partikelgröße d u

Nennt man gemäß Nölle /14, 40/ die bezogene k-te Momentenfunktion

d o integriert.

21

m

k,r

=

d

d

u

d

k

q (d)d(d)

r

d

o

d

u

d

k

q

r

(d)d(d)

(

1.61)

der Verteilung Q r (d), dann erfüllt diese ebenfalls die durch Gln. ( 1.7) und ( 1.8) formulierten Bedingungen für Verteilungsfunktionen. Damit ergibt sich die Umrechnung von der gegebenen Mengenart r auf eine gesuchte Mengen- art t bei der Verteilungsdichte

q (d) =

t

d

t

r

q (d)

r

M

t

r,r

und Verteilungsfunktion

d n t − r ∫ d q (d)d(d) t − r d ∑ d
d
n
t
− r
d
q (d)d(d)
t
− r
d
d
⋅µ
M
r
m,r,i
r,i
t
− r,r
d
d
i
= 1
Q (d) =
u
=
u
.
t
≈ N
d
d
o
o
M
t
− r
t
− r
t
− r,r
d
q (d)d(d)
d
⋅µ
d
m,r,i
r,i
u
r
i
= 1
d
u
Somit stellt
d
3
d
q (d)d(d)
0
d
m
=
Q (d)
=
u
3,0
3
d
o
3
d
q (d)d(d)
0

d

u

( 1.62)

( 1.63)

( 1.64)

q 0 (d) Verteilungsdichte der Mengenart Anzahl den Anteil aller Partikeln < d an dem Gesamtvolumen bzw. der Gesamtmasse des Kollektivs dar. Mit Hilfe von Gl.( 1.64) können somit Anzahlverteilungen in Masse- bzw. Volumenverteilungen umgerechnet werden.

Vergleiche auch:

m

i

m

ges

=µ =

3,i

n

i

d

3

m,i

n

ges

d

3

m,0

=µ ⋅

0,i

d

3

m,i

d

3

m,0

Für die numerische Berechnung gilt dann:

Q (d)

3

n

i = 1

d

3

m,i

⋅µ

0,i

= N

i = 1

d

3

m,i

⋅µ

0,i

.

( 1.65)

µ 0,i

Mengenanteil (= Anzahl i /Gesamtzahl) in der Mengenart Anzahl

Indem n schrittweise von 1 bis N verändert wird, erhält man die entsprechen- den Verteilungssummen. Will man aus gegebener Masseverteilung die An- zahlverteilung gewinnen, so ist wie folgt vorzugehen:

22

m

3,3

=

Q (d)

0

=

d

d

u

d

3

q (d)d(d)

3

d

o

d

u

d

3

q (d)d(d)

3

(1.66) numer.

Q (d)

0

n

i = 1

d

3

m,i

⋅µ

3,i

= N

i = 1

d

3

m,i

⋅µ

3,i

(1.67)

Die Umrechnung des k-ten vollständigen Anfangsmomentes von der bekann- ten Mengenart r in die gesuchte Mengenart t gelingt allgemein mittels:

M

k,t

=

M k

+− t

r,r

.

M t r,r

( 1.68)

1.2.2.5 Kenngrößen der Partikelgrößenverteilungen

Vielfach bestehen die Notwendigkeit oder das Interesse, Partikelgrößenvertei- lungen mittels Kenngrößen zu kennzeichnen. Sinnvoll sind vor allem charakte- ristische Partikelgrößen und spezifische Oberflächen:

(1) Diese Voraussetzung erfüllt die bereits durch Gl.( 1.55) definierte mittlere Partikelgröße d m,r oder Erwartungswert der Verteilung. (2) Auch die Halbwerts-Partikelgröße d 50,r (svw. 50 %-Quantil, Median- oder Zentralwert) (siehe Gln.( 1.26) und ( 1.34), Tab. T 1.2), (3) oder der Modalwert bzw. die häufigste Partikelgröße d h werden zur Kennzeichnung eines Partikelkollektivs benötigt (siehe Gl.( 1.26)). (4) In der MVT benutzt man zur Kennzeichnung von Zerkleinerungsprodukten auch die 95 %-Partikelgröße d 95 und die 80 %-Partikelgröße d 80 der Masseverteilungen (siehe Gl.( 1.42)). Die Erstgenannte stellt auch einen Er- satz für die obere Partikelgröße d o dar, da diese gewöhnlich messtechnisch schwer bestimmbar ist. (5) Eine von der Mengenart unabhängige granulometrische Kenngröße ist der Sauter-Durchmesser d ST . Dabei ist d ST der Kugeldurchmesser eines monodispersen Kollektivs, das das gleiche Gesamtvolumen V und die gleiche Gesamtoberfläche A S,K wie das durch volumenäquivalente Kugeln idealisierte reale polydisperse Kol- lektiv hat (N K , N K * - Kugel- oder Partikelzahlen):

d ST

=

6V

6N

K

π

6

d

3

ST

=

A

S,K

N

K

π

d

2

ST

=

N

*

K

d

o

d

u

d

3

q

0

(d)d(d)

N

*

K

d

o

d

u

d

2

q

0

(d)d(d)

=

M

3,0

M

2,0

. ( 1.69)

Mit Gl.( 1.68) lässt sich auch der Index erweitern und es folgt:

23

d

ST

=

M

3,0

M 1

2

+− 0,0

=

M

2,0

M

2 0,0

= M

1,2

.

( 1.70)

Ebenso kann mit Gl.( 1.68) aus einer vorliegenden Masseverteilung r = 3 das erste k = 1 vollständige Anfangsmoment der Flächenverteilung t = 2 berechnet werden, mit der Normierungsbedingung k = 0 für das sichere Ereignis:

M

0,3

=

d

o

d

u

d

0

q (d)d(d) = 1 ,

3

d

d

ST

ST

= M =

1,2

=

6 V

A

S,K

=

M

1

2

+− 3,3

M

0,3

1

1

=

=

=

M

2 3,3

M

1,3

M

1,3

d

o

d

1

q

3

(d)d(d)

d

u

N

=

i

1

d

1

m;i

⋅µ

3,i

1

.

( 1.71)

( 1.72)

( 1.73)

Über die statistischen Momente können mit Gl.( 1.68) weitere integrale Parti- kelgrößen d k,r gebildet werden:

d

k,r

= (

M

k,r

)

1/ k

=

M

k + r,0

M

r,0

 

1/ k

.

( 1.74)

Die wesentlichen Kennwerte von Partikelgrößenverteilungen werden in der Tabelle T 1.2 zusammengefasst:

Tabelle T 1.2: Charakteristische Kennwerte von Partikelgrößenverteilungen

Kennwert

   

LNVT

 

RRSB

   

GGS

 

Zentralwert

 

µ

ln,r

= ln d

50,r

d

50,3

= d

63,3

(

ln 2

) 1/ n