DE102015101537A1

DE102015101537A1 - Verfahren und Anordnung zur Analyse eines Stoffstroms

Info

Publication number: DE102015101537A1
Application number: DE102015101537.4A
Authority: DE
Inventors: Hermann Wotruba; Kilian Neubert; Tobias Vraetz; Franz Domenic Boos; Karl Nienhaus; Ralph Baltes; Henning Knapp
Original assignee: Rheinisch Westlische Technische Hochschuke RWTH
Current assignee: Rheinisch Westlische Technische Hochschuke RWTH
Priority date: 2015-02-03
Filing date: 2015-02-03
Publication date: 2016-08-04
Also published as: AU2015381355A1; EP3254098A1; WO2016124165A1; US20180017420A1

Abstract

Die Erfindung betrifft ein Verfahren und eine Anordnung zur Analyse eines Stoffstroms S, welcher aus einer oder mehrerer Stoffkomponenten besteht. Der Stoffstrom S wird über eine Förderstrecke 1 geführt. Der Förderstrecke 1 sind ein oder mehrere Schallsensoren 6–11 zugeordnet. Vom Stoffstrom S erzeugte akustische Signale werden von dem bzw. den Schallsensoren 6–11 erfasst und anschließend in digitale Signale umgewandelt. Die digitalen Signale werden in einer Auswerteeinheit rechnergestützt bewertet und mittels eines Algorithmus im Vergleich zu anhand von individuellen Erkennungsmerkmalen der Stoffkomponenten festgelegten Referenzwerten analysiert, so dass die Stoffkomponenten identifiziert sowie der Massenanteil von zumindest einer Stoffkomponente im Stoffstrom S bestimmt wird.

Description

Die Erfindung betrifft ein Verfahren zur Analyse eines Stoffstroms sowie eine Anordnung zur Durchführung des Verfahrens.
Bei einem Stoffstrom im Sinne der Erfindung handelt es sich um einen Stoffstrom aus einem oder mehreren Feststoffen, insbesondere aus primären und/oder sekundären mineralischen Rohstoffen einschließlich Metallen. Ein Stoffstrom kann auch aus Kunststoffen bestehen oder diese enthalten. Weiterhin kann ein Stoffstrom aus Abprodukten, insbesondere aus industriellen Abprodukten wie beispielsweise Schlacken, Aschen und anderen Rückständen aus einer industriellen Verwertung bestehen.
Das globale Wachstum, insbesondere der Industrie- und Schwellenländer, führt zu einem stetigen Anstieg des Rohstoffbedarfs. Ein Großteil der notwendigen Rohstoffe wird derzeit durch Nutzung primärer nicht erneuerbarer Rohrstoffvorkommen bereitgestellt. Die Herausforderung der primären Rohstoffwirtschaft besteht darin, den steigenden Bedarf an Rohstoffen trotz sinkender Wertstoffgehalte und komplizierteren Lagerstättengegebenheiten decken zu können. Gleichzeitig ist es wesentlich, dass eine Nutzung vorhandener Rohstoffvorkommen unter den Gesichtspunkten der Nachhaltigkeit so effizient wie möglich durchgeführt wird. Diese Gegebenheiten zeigen die Notwendigkeit zur Entwicklung und Nutzung neuer innovativer Aufbereitungstechnologien für eine effiziente Ausbeutung vorhandener Rohstoffressourcen.
Die wenigsten mineralischen Rohstoffe besitzen direkt nach der bergmännischen Gewinnung eine ausreichende Reinheit, die es erlaubt, sie direkt in nachfolgenden Prozessen weiterverarbeiten zu können. Daher müssen mineralische Rohstoffe in der Regel nach dem bergmännischen Gewinnungsprozess durch physikalische Aufbereitungsprozesse behandelt werden. Abhängig vom extrahierten Rohstofftyp kommen dazu unterschiedliche Prozesse zur Aufbereitung der Rohstoffe bzw. Minerale zum Einsatz. Nach der Gewinnung und dem Transport der Rohstoffe zur Aufbereitungsanlage durchlaufen die Minerale entsprechend den Anforderungen an das Endprodukt hinsichtlich Reinheit und Wertstoffkonzentration verschiedene Prozessstufen der physikalischen Aufbereitung. Darunter fallen unter anderem die Zerkleinerung, die Klassierung sowie die Sortierung der Minerale. Ein detailliertes Wissen über Zusammensetzung und Beschaffenheit von Edukten und Produkten einzelner Prozessstufen in einer Aufbereitungsanlage ist dabei wichtig, um Aufbereitungsprozesse so effizient wie möglich betreiben zu können. Insbesondere die Aussage über Wertstoff und Dichteverteilung in Edukt- und Produktströmen ist von besonderer Bedeutung, um Aufbereitungsprozesse zu bewerten, zu steuern und zu regeln.
Bei der Verarbeitung von mineralischen Rohstoffen ist folglich eine möglichst genaue Kenntnis über die Eigenschaften und die chemische Zusammensetzung des aufbereitenden Rohstoffs von hoher Bedeutung, um eine effiziente Aufbereitung zu gewährleisten. In aller Regel handelt es sich um einen aus mehreren Komponenten gebildeten Stoffstrom aus einem oder mehreren Wertmineralien, die unter Umständen noch aus einem Korn aufgeschlossen werden müssen sowie einem oder mehreren Begleitkomponenten, insbesondere Begleitmineralien. Ist die Stoffstrom- bzw. Materialzusammensetzung und die Masseverteilung eines Mehrkomponenten-Stoffstroms bekannt, können nachfolgende Prozesse besser gesteuert werden.
Zur Bestimmung der Dichte eines Stoffstroms ist derzeit eine Offline-Analyse und eine Online-Analyse bekannt, wobei eine Online-Analyse gegenüber einer konventionellen Offline-Analyse verschiedenste Vorteile aufweist. Derzeit ist es jedoch nur möglich, die durchschnittliche Dichte eines Stoffstroms online zu ermitteln, beispielsweise durch die Verwendung einer Lasertriangulation und einer Bandwaage. Bei einigen Rohstoffen ist es darüber hinaus möglich, indirekt auf eine durchschnittliche Dichte zurückzuschließen, so z. B. durch die Bestimmung des Aschegehaltes bei Kohle. Eine genauere Aussage über den Rohstoff als die durchschnittliche Dichte liefert jedoch nur die Dichteverteilung, denn nur die Dichteverteilung, also die Aussage über eine massenmäßige Verteilung von Partikeln mit unterschiedlicher Dichte im Stoffstrom ermöglicht es, den Wirkungsgrad vorheriger Prozessschritte zu bewerten oder nachfolgende Prozessschritte durch geeignete Automatisierungstechnik besser anzupassen.
Aktueller Stand der Technik zur Bestimmung der Dichteverteilung ist die Schwimm-Sink-Analyse in einem flüssigen Medium. Dabei wird eine Probe in einer Flüssigkeit mit hoher Dichte zum Schwimmen gebracht. Nach und nach wird die Dichte der Flüssigkeit herabgesetzt, so dass mehr Partikel bzw. Stoffkomponenten absinken. Diese Analyse nimmt jedoch oft mehrere Stunden in Anspruch und ist in Folge dessen nicht geeignet, für eine Aussage über den Systemwirkungsgrad und somit geeignet für eine kurzfristige Prozesssteuerung.
Ein wesentlicher Nachteil bekannter Analysemethoden ist, dass eine Analyse der Stoffströme lediglich offline möglich ist. Deutlich wird dies beispielsweise bei einem Stoffstrom, der aus einer Mineralkombination von Gips und Anhydrid besteht und die Stoffkomponenten Gips und Anhydrid in verschiedener Massenverteilung enthält.
Das Mineral Gips [CaSO₄·2H₂O] ist aufgrund seiner Genese in vielen Lagerstätten oft mit dem Mineral Anhydrid [CaSO₄] vergesellschaftet. Für die weiterverarbeitenden Schritte ist es wichtig, einen festgelegten Grenzwert an Anhydrid nicht zu überschreiten, da dies ansonsten zu Qualitätsverlusten in nachfolgenden Produktstufen und dessen Verwendung führen würde. Derzeit ist es möglich, dass Kristallwasser und damit dem Anteil von Anhydrid thermogravimetrisch zu bestimmen. Dieses Verfahren dauert jedoch mehrere Minuten und beschränkt sich auf Einzelproben. Die zeitliche Verzögerung durch Probenname und Analyse bis zum Erhalt der Analyseergebnisse führt dazu, dass Änderungen in der Zusammensetzung erst verspätet erkannt werden. Durch diese zeitliche Verzögerung ist eine Steuerung bzw. Regelung von nachfolgenden oder auch vorgeschalteten Prozessen nicht möglich.
Die vorgeschilderte Problematik gilt auch für andere Stoffströme, die unterschiedliche Stoffkomponenten in verschiedenen Massenanteilen enthalten, beispielsweise Stoffströme aus Kohle und Nebengestein.
Der Erfindung liegt ausgehend vom Stand der Technik die Aufgabe zugrunde, ein anwendungstechnisch vorteilhaftes Verfahren und eine Anordnung zur Analyse eines Stoffstroms aufzuzeigen, welches online, also im laufenden Betrieb, eine Erkennung der im Stoffstrom enthaltenen Stoffkomponenten und Bestimmung des Massenanteils von zumindest einer Stoffkomponente in dem Stoffstrom ermöglicht.
Die Lösung des verfahrensmäßigen Teils der Aufgabe besteht in einem Verfahren gemäß Anspruch 1.
Die Lösung des gegenständlichen Teils der Aufgabe wird durch eine Anordnung zur Durchführung des Verfahrens gemäß Anspruch 5 realisiert.
Bei dem erfindungsgemäßen Verfahren wird ein Stoffstrom über eine Förderstrecke geführt. Der Förderstrecke ist zumindest ein Schallsensor zugeordnet, durch welchen vom Stoffstrom erzeugte akustische Signale erfasst werden. Die akustischen Signale werden in digitale Signale umgewandelt und einer Auswerteeinheit zugeleitet. In der Auswerteeinheit wird eine rechnergestützte Bewertung der digitalen Signale mittels eines Algorithmuses durchgeführt, bei dem ein Vergleich der digitalen Signale mit Referenzwerten erfolgt, welche auf Basis bzw. anhand von individuellen Erkennungsmerkmalen der Stoffkomponenten festgelegt sind. Durch die Auswerteeinheit wird zumindest eine Stoffkomponente identifiziert und deren Massenanteil im Stoffstrom ermittelt.
Die Auswerteeinheit verfügt über die entsprechenden Mittel zur Identifizierung der Stoffkomponenten sowie der Bestimmung des Massenanteils einer oder mehrerer Stoffkomponenten im Stoffstrom. Die hierfür notwendigen arithmetischen und logischen Operationen werden in der Auswerteeinheit in zeitlicher und logischer Reihenfolge ausgeführt. Die Ergebnisse werden über geeignete Mittel ausgegeben und/oder zur Anzeige gebracht sowie gegebenenfalls mittelbar oder unmittelbar zur Steuerung des Stoffstroms oder Einflussnahme auf den Stoffstrom genutzt.
Die Erfindung ermöglicht eine frühzeitige Erkennung und Analyse des Stoffstroms und dessen Zusammensetzung sowie der Massenverteilung der einzelnen Stoffkomponenten im Stoffstrom. Hierdurch wird die Steuerung von nachgeschalteten Prozessen deutlich verbessert. Auch liefert die Überwachung eines aus einem Sortierprozess abgehenden Stoffstroms Möglichkeiten zur Regulierung. Die dadurch eingesparten direkten und indirekten Kosten führen zu einer Steigerung der Wettbewerbsfähigkeit.
Wie bereits einleitend erwähnt, handelt es sich bei einem Stoffstrom im Rahmen der Erfindung um einen Stoffstrom aus einem oder mehreren Stoffkomponenten. Hierbei kann es sich um einen oder mehrere Feststoffe handeln, insbesondere aus primären und/oder sekundären mineralischen Rohstoffen einschließlich Metallen. Ein solcher Stoffstrom entsteht beispielsweise bei der bergmännischen Gewinnung von mineralischen Rohstoffen wie Gips und Anhydrid oder auch Kohle, ebenso wie beispielsweise Flussspat und Schwerspat, Eisenerzen, Buntmetallen oder Bauxit.
Der Stoffstrom besteht regelmäßig aus zumindest zwei Stoffkomponenten, wobei jede der Stoffkomponenten in einem Anteil von 0% bis 100% im Stoffstrom enthalten sein kann. Das erfindungsgemäße Verfahren und die Anordnung sind mithin auch in der Lage, einen Stoffstrom zu identifizieren, der nur aus einer Stoffkomponente besteht. In der Praxis besteht der Stoffstrom allerdings überwiegend aus einer oder mehrerer Stoffkomponenten, die in unterschiedlicher Massenverteilung im Stoffstrom enthalten sind.
Bei dem zu analysierenden Stoffstrom kann es sich auch um einen aus einem größeren Stoffstrom abgezweigten Stoffstrom handeln.
Der Stoffstrom wird kontinuierlich über eine Förderstrecke bewegt. Die Förderstrecke ist insbesondere Bestandteil eines Stetigförderers oder in einen Stetigförderer integriert. Die Förderstrecke kann beispielsweise ein Förderband, eine Förderrinne, eine Vibrationsrinne, eine Schüttelrutsche, eine Rohrleitung oder auch eine Freifallfördereinheit sein oder Bestandteil dieser bilden.
Der Förderstrecke ist zumindest ein Schallsensor zugeordnet. Bei dem zumindest einen Schallsensor kann es sich um einen Schallemissionssensor, einen Körperschallsensor, einen Luftschallsensor oder einen Flüssigkeitsschallsensor handeln.
Ein Aspekt der Erfindung sieht die Zuordnung von mehreren Schallsensoren vor, insbesondere von Schallsensoren unterschiedlicher Art, also insbesondere eine Kombination eines Schallemissionssensors und/oder eines Körperschallsensors und/oder eines Luftschallsensors und/oder eines Flüssigkeitsschallsensors.
Der oder die Schallsensoren erfassen vom Stoffstrom erzeugte akustische Signale. Akustische Signale sind akustische Ereignisse in Form von Schallwellen, die bei der Bewegung des Stoffstroms relativ zur Förderstrecke erzeugt werden.
Bei der Schallemissionsmessung bzw. Acoustic Emission (AE) Messung handelt es sich um ein Verfahren, welches seinen Ursprung in der zerstörungsfreien Materialprüfung hat. AE-Signale entstehen bei der Veränderung des Metallgefüges in Folge von äußeren Belastungen. Ursachen können Schadensmechanismen wie Rissinitiierung, Risswachstum, Rissvereinigung oder auch Reibung sein. Bei der Entstehung eines solchen Signals wird in kurzer Zeit eine geringe Energiemenge freigesetzt. Dieser Impuls liegt im μs Bereich, sodass eine Abtastung im Megahertz Bereich erforderlich ist. Typische Frequenzen eines Acoustic Emission Signals liegen im Bereich größer (>) 80 kHz bis 2 MHz.
Körperschall ist, analog zu Acoustic Emission, eine Form des Schalls, die sich in einem Festkörper ausbreitet. Der Frequenzbereich des klassischen Körperschalls kann hier von wenigen Hz (< 0,1 Hz) bis in den hohen kHz Bereich (ca. 20 kHz) dargestellt werden. Klassischerweise wird die Körperschallanalyse in der Zustandsüberwachung (Condition Monitoring) von Maschinen angewendet.
Neben dem Körperschall ist im näheren Umfeld auch Luftschall wahrzunehmen. Der Informationsgehalt dieses Signals ergibt sich meist aus dem Körperschallsignal, jedoch kann mittels Luftschall auch der Einfluss verschiedener räumlich getrennter Signalquellen betrachtet werden. Hierzu ist insbesondere vorgesehen, dass der bzw. die Schallsensoren an einem Kontaktkörper der Förderstrecke oder an einem in der Förderstrecke eingegliederten Kontaktkörper angeordnet ist bzw. sind. Der Stoffstrom gelangt bei der Bewegung über die Förderstrecke mit dem Kontaktkörper in Kontakt. Die hierbei erzeugten akustischen Signale in Form von Schallwellen werden von dem bzw. den Schallsensoren erfasst. Bei einem solchen Kontaktkörper kann es sich beispielsweise um ein Prallblech oder um ein Element bzw. Bauteil eines Stetigförderers, wie ein Bodenblech, eine Rutsche oder auch um einen Behälter oder eine Behälterwand handeln. Insbesondere ist der Kontaktkörper physikalisch getrennt innerhalb der Förderstrecke angeordnet. Durch Luftschallsensoren werden hier Signale erfasst, die mit einem einzelnen Körperschall- oder Schalemissionssensor nicht erfasst werden könnten.
Je nach zu analysierendem Stoffstrom und dem Fördermedium sowie der Ausgestaltung der Förderstrecke können auch Flüssigkeitsschallsensoren zum Einsatz gelangen.
Die Identifizierung, also Erkennung der einzelnen Stoffkomponenten sowie die Bestimmung des Massenanteils einer bzw. der jeweiligen Stoffkomponenten im Stoffstrom erfolgt anhand von individuellen Erkennungsmerkmalen der Stoffkomponenten. Diese sind im System hinterlegt.
Sofern nachfolgend der Begriff ”System” verwendet wird, wird hierunter das erfindungsgemäße Verfahren und die erfindungsgemäße Anordnung einschließlich den dazugehörigen Komponenten sowohl einzeln als auch gemeinschaftlich verstanden.
Individuelle Erkennungsmerkmale sind insbesondere physikalische Eigenschaften der Stoffkomponenten wie Dichte, Härte oder Elastizitätsmodul. Anhand dieser Erkennungsmerkmale werden für die einzelnen Stoffkomponenten individuelle Charakteristika, beispielsweise Kurvenzüge, definiert und in einer Datenbank bzw. der Auswerteeinheit hinterlegt. Das Verfahren wird hierzu auf individuelle Einsatz- bzw. Anwendungsfälle angepasst. Das System wird folglich auf die in einem Stoffstrom zu erwartenden unterschiedlichen Stoffkomponenten abgestimmt und angelernt.
Die Erfindung ermöglicht eine materialspezifische Unterscheidung von Stoffkomponenten eines Stoffstroms, beispielsweise von Schüttgütern wie Gips und Anhydrid sowie eine Bestimmung der Massenverteilung. So ist beispielsweise eine Dichteverteilungsbestimmung von Kohle und Nebengestein sowie von Erzen in einem Stoffstrom möglich. Die Erfassung der Dichteverteilung von Rohstoffen im groben Zustand allein ermöglicht es, Daten für die Regelung und Steuerung von Aufbereitungsprozessen zu sammeln.
Ein weiterer Vorteil ist die Unterscheidung der Stoffkomponenten im Stoffstrom. Folglich ist eine Materialerkennung nach Materialarten wie beispielsweise Gips und Anhydrid möglich. Weitere Anwendungsfälle können beispielsweise in der Trennung von Industriemineralien wie Halit und Sylvenit liegen. Auch der Einsatz des erfindungsgemäßen Verfahrens und der Anordnung bei der Aufbereitung von Eisenerz ist vielversprechend. Hierbei lässt insbesondere die Bestimmung der Dichteverteilung vorteilhafte Ergebnisse erwarten.
Die Materialerkennung und Masseverteilung erfolgt über die Bewertung von Schallemissions-(AE), Körperschall- und/oder Luftschallsignalen und/oder Flüssigkeitsschallsignalen. Diese werden sowohl im Zeit- als auch im Frequenzbereich bewertet.
Die Messdatenerfassung des zumindest einen Sensors, vorzugsweise mehrerer Sensoren, erfolgt zeitsynchron über eine einzige Auswerteeinheit. So kann sichergestellt werden, dass die Signale miteinander synchronisiert werden können. Mit Hilfe eines Kontrollsignals soll das Messsystem während der Aufzeichnung der Daten auf seine Funktionstüchtigkeit überprüft werden. Die Sensoren können einzeln angeschlossen werden, so dass eine Bewertung des Stoffstroms zum Beispiel auch nur auf Basis von Körperschallemissionssensoren erfolgen kann.
Durch die Kombination verschiedener, statistischer Parameter lassen sich Kennwerte definieren, mit denen eine Charakterisierung des Stoffstroms und damit der Zusammensetzung möglich ist. Die Entwicklung der Kennwerte, abhängig vom zu charakterisierenden Material, kann sowohl an einem Versuchsstand als auch während des laufenden Prozesses innerhalb eines Betriebes erfolgen. Zur Berechnung der Kennwerte werden die Parameter des einen Sensors, bevorzugt von mehreren Sensoren, fusioniert und die entsprechende Algorithmik zur Auswertung auf der Recheneinheit hinterlegt. Die Berechnung der Parameter erfolgt blockweise für stoffstromabhängig definierte Blockintervalle.
Der zur Anwendung kommende Algorithmus beinhaltet die Berechnung und Auswertung eines oder mehrerer der nachfolgend aufgeführten Parameter:

– Arithmetischer Mittelwert
– Median
– Varianz
– Standardabweichung
– Effektivwert/RMS-Wert (Root Mean Square)
– Quadratischer Mittelwert/RMQ-Wert
– RMX-Wert
– Crest-Faktor (Scheitelfaktor)
– Kurtoris-Faktor (Wölbungsfaktor)
– Maximalwert
– Peak2RMS-Wert
– Peak2Peak-Wert.

Zur Berechnung spezifischer Kennwerte und damit zur Charakterisierung von Stoffströmen während des laufenden Aufbereitungsprozesses können einer oder mehrerer der folgenden erläuterten Parameter in die Auswertung integriert werden:
Arithmetischer Mittelwert:
Der Mittelwert beschreibt den statistischen Durchschnittswert und zählt zu den Lageparametern in der Statistik. Für den Mittelwert addiert man alle Werte eines Datensatzes und teilt die Summe durch die Anzahl aller Werte.
mit:

x: Arithmetische Mittelwert
N: Anzahl der Werte
x_i: i-ter Wert

Median:
Der Wert, der genau in der Mitte einer Datenverteilung liegt, nennt sich Median oder Zentralwert. Die eine Hälfte aller Individualdaten ist immer kleiner, die andere größer als der Median. Bei einer geraden Anzahl von Individualdaten ist der Median die Hälfte der Summe der beiden in der Mitte liegenden Werte.
mit:

x ~: Median
N: Anzahl der Werte

Varianz:
Die Varianz ist ein Streuungsmaß, welches die Verteilung von Werten um den Mittelwert kennzeichnet. Sie ist das Quadrat der Standardabweichung. Berechnet wird die Varianz, indem die Summe der quadrierten Abweichungen aller Messwerte vom arithmetischen Mittel durch die Anzahl der Messwerte dividiert wird.
mit:

S²: Varianz
N: Anzahl der Werte
x_i: i-ter Wert
x: Arithmetisches Mittel aller Werte

Standardabweichung:
Die Standardabweichung ist ein Maß für die Streubreite der Werte eines Merkmals rund um dessen Mittelwert (arithmetisches Mittel). Vereinfacht gesagt, ist die Standardabweichung die durchschnittliche Entfernung aller gemessenen Ausprägungen eines Merkmals vom Durchschnitt.
mit:

σ: Standardabweichung
N: Anzahl der Werte
x_i: i-ter Wert
x: Arithmetisches Mittel aller Werte

RMS: Effektivwert/Quadratischer Mittelwert
N: Anzahl der Werte
x_i: i-ter Wert

RMQ: RMQ-Wert (Quadratischer Mittelwert)
N: Anzahl der Werte
x_i: i-ter Wert

RMX: RMX-Wert
N: Anzahl der Werte
x_i: i-ter Wert
X: Potenz der Wichtung

Crest-Faktor:
Der Crest-Faktor beschreibt das Verhältnis von Maximalamplitude zu RMS-Wert innerhalb eines Bereiches.
mit:

C: Crest-Faktor
N: Anzahl der Werte
x_i: i-ter Wert

K: Kurtosis-Faktor
x: Arithmetischer Mittelwert
N: Anzahl der Werte
x_i: i-ter Wert

Zusätzlich erfolgt die blockweise Ermittlung folgender Parameter für jeden Intervallbereich.
Maximalwert:
Der Maximalwert entspricht dem zahlenmäßig größten Element innerhalb des Blockintervalls: MAX = max(x)
Peak2RMS-Wert:
Der blockweise Peak2RMS-Wert errechnet sich aus dem Verhältnis des Maximalwerts zum RMS-Wert innerhalb eines Blockintervalls.
Peak2Peak-Wert:
Der blockweise Peak2Peak-Wert errechnet sich aus der Differenz des Maximalwerts zum Minimalwert innerhalb eines Blockintervalls. P2P = max(x) – min(x)
Alternativ lassen sich zudem im Zeitbereich aus den AE-Messdaten charakteristische Bursts extrahieren. Bei einem Burst handelt es sich um ein sogenanntes transientes AE-Signal. Hierbei heben sich Beginn und Ende klar von einem etwaigen Grundrauschen ab. Diese Bursts haben eine charakteristische Signalform, wie sie exemplarisch in 5 dargestellt ist. Ziel ist die Detektion derartiger Bursts und die Bewertung der AE-Signale der beschriebenen Kennwerte (RMS, Peak2Peak etc.). Abgeleitete Kennwerte aus den Bursts (Maximalamplitude, Anstiegszeit, Abklingzeit, Dauer eines Bursts) können ebenfalls zur Ermittlung der Materialverteilung herangezogen werden. Die zur Erkennung der Bursts entwickelten Algorithmen erkennen autonom AE-Ereignisse im Zeit- sowie Frequenzbereich und werden folgendermaßen charakterisiert:
1. Edge Detection:
Die Edge Detection-Methode macht sich charakteristische Eigenschaften der AE-Signale zu nutzen. Hierfür sucht der Algorithmus nach Bereichen im AE-Signal mit hohen Gradienten des Signals, was aufgrund der kurzen Anstiegszeit der AE-Bursts als Beginn eines AE-Ereignisses markiert werden kann. Der Algorithmus sucht hierbei nach Bereichen innerhalb des AE-Signals, in denen die Hüllkurve hohe Gradienten (Rising edges) aufweist. Dabei erfolgt zunächst die Berechnung der Hüllkurve des AE-Signals inklusive einer Gleichrichtung sowie Tiefpassfilterung des Rohsignals. Anschließend erfolgt die Aufteilung der Hüllkurve in Teilabschnitte sowie die abschnittsweise Berechnung der einzelnen Gradienten. Übersteigt die Ableitung einen Grenzwert, wird das Intervall als Teil eines stark steigenden Teilstücks des Signals erkannt. Fortlaufende Bereiche mit stark anwachsender Steigung werden zusammen als der Beginn eines Bursts gezählt. Als letzten Schritt bestimmt der Algorithmus das Ende eines Bursts über einen definierten Schwellwert.
2. Shifting Windows:
Der Shifting Windows-Algorithmus benutzt zur Bursterkennung ein Fenster, welches über den gesamten Datensatz verschoben wird. Bei jedem Schritt werden dabei lokale Maxima detektiert. Diese werden wiederum verwendet, um die Bursts zu beschreiben. Ein Burst kommt genau dann vor, wenn eine extreme Änderung der Amplitude im Datensatz auftritt. Somit kann die Änderung der Amplitude als ein lokales Extremum bzw. ein lokales Maximum gedeutet werden. Durch die Fensterbildung kann die zu prüfende Datenmenge beschränkt werden. Der maximale Wert und dessen Position lassen sich somit schneller innerhalb des Datensatzes finden und als potentieller Burst markieren. Das Fenster fängt mit der Betrachtung am Anfang des Datensatzes an und wird in Abhängigkeit der Zeit auf der entsprechenden Achse mit einer definierten Schrittweite verschoben. Ein Fenster ist in dem Fall ein Teilstück des vorliegenden Datensatzes, welches zum jeweiligen Zeitpunkt untersucht wird. Um reguläre, lokale Maxima nicht fälschlicherweise als Bursts zu erkennen und zu speichern, werden die RMS-Werte benachbarter Fenster miteinander verglichen. Bei dieser Methode wird komplett auf die Definition statischer Kennwerte verzichtet. Erste Versuche sowohl mit konventionellen Datenloggern sowie AE basierten Datenloggern haben die robuste und zuverlässige Funktionalität des Algorithmus bereits bestätigt.
3. Frequency Detection:
Bei der Frequency Detection-Methode wird ein AE-Messsignal in definierten Zeitintervallen im Frequenzbereich analysiert. Die Funktionsweise der AE-Sensoren basiert auf dem Resonanzprinzip. Aus diesem Grund ist es ersichtlich, dass eine Erhöhung der Frequenz-Amplituden immer genau dann geschieht, wenn ein charakteristischer AE-Burst stattgefunden hat. Aus diesem Effekt resultierend ist es daher möglich, einen Burst unter Verwendung des Frequenzbereichs eines Signals zu erfassen. Versuche mit den bereits erwähnten Messmethoden haben dabei gezeigt, das dominante Frequenzen sowohl bei ca. 100 kHz als auch bei ca. 300 kHz zu detektieren sind. Abschließend erfolgt der Transfer des Bursts in den Zeitbereich.
Ein wesentlicher Aspekt der Erfindung sieht vor, dass der Algorithmus zur Erkennung und Bewertung von Bursts angewendet wird mittels Edge detection, Shifting window, Frequency detection. Im Anschluss wird eine Bewertung der einzelnen Bursts durchgeführt. Diese Bewertung der Bursts erfolgt anhand von Kennwerten, insbesondere anhand von einem oder mehreren der nachfolgend aufgeführten Kennwerte: Maximalamplitude, Anstiegszeit, Abklingzeit, Dauer eines Bursts sowie daraus abgeleiteter Parameter.
Nachfolgend sind nochmals einige wesentliche Vorteile der Erfindung zusammengefasst:
Die Acoustic Emission und Körperschalltechnologie sowie Luftschall oder Flüssigkeitsschall kann in unterschiedlichen Bereichen der Aufbereitung mineralischer Rohstoffe Anwendung finden. Die Technologie kann dazu verwendet werden nachfolgende Prozesse durch genaue und schnelle Analyse der Rohstoffe effizienter durchzuführen. Ein Rückschluss auf die Dichteverteilung kann verwendet werden, um existierende Prozesse in Echtzeit zu steuern oder zu regeln. Dadurch können Produkte unterschiedlichster Aufbereitungsprozesse bewertet und die Anlagen angepasst werden, aber auch die Analyse des Eingangsstromes in einem Aufbereitungsprozess mit nachfolgender Steuerung der Prozesse ist denkbar. So kann die Dichtesortierung mittels Setzmaschinen, welche eine der am häufigsten verwendeten Prozesse im Bereich der mineralischen Aufbereitung darstellt, optimiert werden, indem durch Anpassung von Maschinenparametern direkt auf schwankende Rohstoffcharakteristiken reagiert werden kann. Hier steht die Erfassung der Dichteverteilung des zu sortierenden Schüttgutes im Vordergrund, auf deren Basis nachfolgend mittels geeigneter Automatisierungstechnik die Maschine gesteuert und geregelt werden kann. Selbst geringe Anpassungen sorgen dabei für optimierte Qualitäten der hergestellten Produkte und steigern zusätzlich das Wertstoffausbringen der eingesetzten Prozesse. Dadurch wird der Verlust an wertvollen, strategischen Rohstoffen vermindert und die Ausnutzung existierender Lagerstättenreserven optimiert. Eine effiziente Steuerung und Regelung von Setzmaschinen, aufbauend auf einer Bestimmung der Dichteverteilung, ist derzeit nicht möglich und würde im Hinblick auf eine gesteigerte Rohstoffeffizienz und verbesserte Ausnutzung vorhandener Rohstoffreserven einen entscheidenden und wertvollen Beitrag liefern.
Neben der oben genannten Steuerung und Regelung von Aufbereitungsprozessen ist zusätzlich ein Einsatz dieser Sensortypen zur direkten Stoffstromsortierung und Mischung von Schüttgütern möglich. Rohstoffe wie Gips [CaSO₄·2H₂O] und Anhydrit [CaSO₄] sind derzeit sensorisch, aufbauend auf der chemischen Zusammensetzung, nur schwer voneinander zu unterscheiden. Existierende Prozesse wie die Thermogravimetrie sind nur labortechnisch umsetzbar und zeitlich sehr aufwendig, sodass eine zeitnahe Analyse und Anpassung von Prozessen nicht realisierbar sind. Das erfindungsgemäße Verfahren und die Anordnung ermöglichen eine schnelle Analyse eines Stoffstroms aus Rohstoffen und schafft die Voraussetzung für eine Optimierung insbesondere der Mischungsverhältnisse von ganzen Stoffströmen, selbst bei schwierig zu unterscheidenden Rohstofftypen. Eine genaue Aussage über Mischungsverhältnisse und Zusammensetzung von Stoffströmen führt dazu, dass Aufbereitungsprozesse nicht nur kostenoptimierter gefahren werden können, sondern vorhandene Rohstoffreserven besser genutzt werden.
Die Erfindung kann auf unterschiedliche Art und Weise verwertet werden. Zum einen soll eine Möglichkeit geschaffen werden im Vorfeld nur schwer unterscheidbare Rohstofftypen mittels Sensorik voneinander zu unterscheiden und somit eine optimierte Prozesssteuerung zu ermöglichen. Ein möglicher Anwendungsfall stellt dabei die Gipsindustrie dar. Hier besteht die Notwendigkeit zur Entwicklung einer Technologie zur Online-Analyse von Gips und Anhydrit, wodurch eine genauere Mischung der verschiedenen Rohstofftypen ermöglicht wird. Das Einstellen genauer Mischungsverhältnisse führt dazu, dass Gipsprodukte mit festgelegten Qualitätsparametern billiger hergestellt werden können, da der kostengünstigere Anhydrit bis zum gewünschten Grenzwert zielgenau der Mischung zugeführt werden kann.
Ein weiteres, vielversprechendes Anwendungsgebiet der Erfindung ist die zerstörungsfreie und schnelle Charakterisierung und Bewertung von großvolumigen Schüttgütern in einem Sortierprozess. Dort besteht besonderes Potential bei der Optimierung von Dichtesortierprozessen mittels Setzmaschine. Durch Kombination der erhaltenen Messdaten der Sensorik mit angepassten Automatisierungsalgorithmen kann eine Regelungs- und Steuerungstechnik für Setzmaschinen entworfen werden. Im Vergleich zu bisher verwendeten Prozessbewertungen, welche zeitintensiv und nicht online durchführbar sind, ist im Rahmen der Erfindung eine schnelle Steuerung und Regelung und somit Anpassung an sich ändernde Stoffstromcharakteristiken möglich. Die Erfindung schafft die Voraussetzungen, um die in einem Stoffstrom auftretenden Stoffkomponenten eindeutig voneinander zu unterscheiden und deren Massenanteil zu bestimmen. Insbesondere kann eine durchschnittliche Dichteverteilung bestimmt werden. Eine derartige Messtechnologie kann, angepasst an den jeweiligen Rohstoff, prinzipiell für jeden Stoffstrom verwendet werden, in dem Minerale oder Mineralgemenge auftreten, welche sich in ihrer Dichte unterscheiden. Neben der Aufbereitung von Eisenerz und Kohle ist hierbei besonders die Aufbereitung der kritischen Metalle Wolfram und Tantal als mögliches Anwendungsgebiet zu nennen. Die Implementierung in bestehende Prozesse sowohl durch Messung der Aufgabe als auch der Produkte eines Prozesses kann genutzt werden um Anpassungen im laufenden Prozess vorzunehmen und somit das Wertstoffausbringen zu steigern.
Die Erfindung ist nachfolgend anhand eines Ausführungsbeispiels beschrieben, wozu auch auf die beigefügten Figuren Bezug genommen wird. Es zeigen:
1 die schematische Darstellung eines Prüfstands entsprechend der erfindungsgemäßen Anordnungen, an welchen das erfindungsgemäße Verfahren erprobt wurde;
2 einen Schnitt durch die 1 entlang der Linie A-A mit einer Prinzipdarstellung der dort vorgesehenen Messstelle I;
3 einen Ausschnitt aus der Darstellung der 1 im Bereich einer in die Förderstrecke integrierten Kontaktkörpers und der dort vorgesehenen Messstelle II sowie
4 ein Schaltbild mit der Darstellung der Signalverarbeitung bei einem erfindungsgemäßen Verfahren und
5 ein Beispiel für ein Acoustic Emission-Signal mit der Darstellung der Amplitude über die Zeit.
1 zeigt einen Versuchsaufbau, an dem die praktische Tauglichkeit des erfindungsgemäßen Verfahrens und der Anordnung erprobt und nachgewiesen wurde.
Die Anordnung umfasst eine Förderstrecke 1, die in dem dargestellten Versuchsaufbau eine Vibrationsrinne 2, ein Förderband 3 sowie eine Freifallstrecke 4 umfasst. Über eine Aufgabeeinheit 5 wird ein mehrere Stoffkomponenten enthaltenes Stoffgemisch in Form eines Stoffstroms S der Förderstrecke 1 zugeführt. Der Förderstrecke 1 sind mehrere Schallsensoren 6, 7, 8, 9, 10, 11 zugeordnet (siehe hierzu 2 und 3).
Bei der hier dargestellten Anordnung ist eine erste Messstelle I im Bereich der Vibrationsrinne 2 vorgesehen. An der Messstelle I sind unterhalb des Bodenblechs 12 der Vibrationsrinne 2 sowohl ein Schallemissionssensor 6 als auch ein Körperschallsensor 7 und ein Luftschallsensor 8 angeordnet. Das Bodenblech 12 der Vibrationsrinne 2 ebenso wie deren Seitenwände 13, 14 bilden einen Kontaktkörper, mit dem die Stoffkomponenten des Stoffstroms S in Kontakt gelangen. Die Schallsensoren 6, 7, 8 sind unter dem Bodenblech 12 angeordnet und gelangen nicht in direkten bzw. unmittelbaren Kontakt mit dem Stoffstrom S selber.
Von der Vibrationsrinne 2 gelangt der Stoffstrom S auf das Förderband 3 und wird am Ende 15 des Förderbands 3 abgeworfen und bewegt sich im freien Fall über die Freifallstrecke 4. Der Stoffstrom S trifft dann auf einen Kontaktkörper in Form einer Prallplatte 16, die in die Förderstrecke 1 eingegliedert ist.
Man erkennt, dass die Prallplatte 16 schräg gegenüber der Vertikalen angestellt ist, so dass der Stoffstrom S auf die Prallplatte 12 in einem Winkel auftritt. An der Prallplatte 16 ist eine zweite Messstelle II eingerichtet. Hierzu sind Schallsensoren 9, 10 und 11 auf der Rückseite 17 der Prallplatte 16 angeordnet. Bei den Schallsensoren 9, 10, 11 handelt es sich ebenfalls um Schallemissionssensoren, Körperschallsensoren und/oder Luftschallsensoren.
Das Stoffgemisch wird als kontinuierlicher Stoffstrom S über die Förderstrecke 1 geführt. Bei der Bewegung des Stoffstroms S über die Förderstrecke 1 gelangen die einzelnen Stoffkomponente, also die Körner K des Stoffstroms S, miteinander in Kontakt. Darüber hinaus gelangt der Stoffstrom S in Kontakt mit den Bauteilen der Vibrationsrinne 2, insbesondere dessen Bodenblechs 12 sowie der Prallplatte 16. Hierüber werden Schallemissionen erzeugt. Weiterhin generieren diese Vorgänge Luftschall- und Körperschallemissionen. Die Analyse des Stoffstroms S kann sowohl an der Messstelle I, als auch an der Messstelle II erfolgen. Dort werden akustische Signale in Form von Schallemission, Körperschall und/oder Luftschall erfasst.
Die Messstelle I bewertet den Stoffstrom S während dieser über die Vibrationsrinne 2 läuft. Durch das Schwingen der Vibrationsrinne 2 werden mehrere Impulse erzeugt, die zur Bewertung des Schallemissionssignals (Acoustic Emission) sowie auch des Körperschalls und des Luftschalls herangezogen werden. In der 2 sind Körperschallemissionen durch die Pfeile a dargestellt. Die auftretenden Luftschallwellen sind mit dem Buchstaben b gekennzeichnet. Die Körperschallwellen sind durch c verdeutlicht. Mit Hilfe der Körperschallsignale können Veränderungen in der Steifigkeit des Systems (Vibrationsrinne und Stoffstrom bzw. Stoffkomponenten) beobachtet werden. Mit Hilfe aller drei Informationen können Aussagen über die Stoffstromzusammensetzung getroffen werden.
Die Messstelle II befindet sich hinter dem Förderband 3 am Ende der Freifallstrecke 4 an der Prallplatte 16. Die Schallsensoren 9, 10, 11 sind auf der Rückseite 17 der Prallplatte 16 angeordnet. Der Stoffstrom S trifft auf die Prallplatte 16. Bei diesem Kontakt der einzelnen Stoffkomponenten des Stoffstroms S können wiederum die drei Schallsignale beobachtet bzw. erfasst werden, nämlich Schallemission, Körperschall und Luftschall. Beim Aufprall auf die Prallplatte 16 ist der Auftreffimpuls wesentlich größer, was zu anderen Auswertealgorithmen führen kann. Die Schwingung der Prallplatte 16 kann als weiteres Bestimmungsmerkmal mit in die Erkennung und Auswertung einbezogen werden.
3 zeigt ein Auftreffen des Korns K einer Stoffkomponente des Stoffstroms S auf die Prallplatte 16. Beim Aufprall werden Schallemissionen durch Zerstörung des Materials und den Aufprall im Auftreffimpuls erzeugt. Dies ist durch den Buchstaben a verdeutlicht. Luftschallwellen, die durch den Vorgang erzeugt werden, sind mit b gekennzeichnet. Körperschallschwingungen der Vibrationsrinne 2 und der Prallplatte 12 in Abhängigkeit von der Steifigkeit sind durch die Pfeile c verdeutlicht.
Auch wenn in dem hier erläuterten Ausführungsbeispiel jeweils drei Schallsensoren 6, 7, 8 an der Messstelle I und drei Schallsensoren 9, 10, 11 an der Messstelle II dargestellt sind, kann ein Schallsensor 6, 7, 8, 9, 10, 11 ausreichen, um die vom Stoffstrom S erzeugten Signale zu erfassen. Vorteilhaft ist allerdings die Kombination von mehreren Schallsensoren 6–11 im Bereich einer Messstelle.
Die durch die kontinuierliche Bewegung des Stoffstroms S erzeugten und über die Schallsensoren 6–11 aufgenommenen akustischen Signale werden mittels eines Verstärkers 18 (siehe hierzu 4) verstärkt und in digitale Signale umgewandelt. Hierzu ist ein Analog-Digital-Umsetzer 19, auch A/D-Wandler genannt, vorgesehen. In einer mit dem System verknüpften Auswerteeinheit 20 erfolgt eine rechnergestützte Bewertung der digitalen Signale mittels eines Algorithmus im Vergleich zu anhand von individuellen Erkennungsmerkmalen der Stoffkomponenten festgelegten Referenzwerten. Hierzu ist das System auf eine Vielzahl von Stoffkomponenten oder je nach Anwendungs- bzw. Einsatzfall auf die zu erwartenden Stoffkomponenten angelernt. Die Referenzwerte sind in einer Datenbank hinterlegt, auf welche die Auswerteeinheit 20 Zugriff hat und die zum System gehört. Das System hat die Fähigkeit, in der Menge von Daten Regelmäßigkeiten, Wiederholungen, Ähnlichkeiten und Gesetzmäßigkeiten zu erkennen und diese mit den im System hinterlegten Referenzwerten zu vergleichen. Hierüber werden die Stoffkomponenten identifiziert sowie der Massenteil von einem bzw. mehreren Stoffkomponenten des Stoffstroms S bestimmt. Im Rahmen der praktischen Versuche hat sich insbesondere die Dichte der Stoffkomponenten als ein besonderes vorteilhaftes Erkennungsmerkmal herausgestellt.
Wie bereits erläutert, zeigt die 5 den Zeitverlauf eines AE-Signals mit der Darstellung der Amplitude über die Zeit. Die Bursts haben eine charakteristische Signalform. Ziel der Bewertung der AE-Signale ist der Vergleich der digitalen Signale mit Referenzwerten, die auf Basis von individuellen Erkennungsmerkmalen der Stoffkomponenten festgelegt sind. Dies erfolgt mittels Algorithmen. Der Algorithmus bzw. die Algorithmen beinhalten die Bewertung und Auswertung der in Anspruch 3 dargelegten Parameter (RMS, Peak2Peak, Peak2RMS etc.). Abgeleitete Kennwerte aus den Bursts sowie Maximalamplitude, Anstiegszeit, Abklingzeit und Dauer eines Bursts können ebenfalls zur Ermittlung der Materialverteilung herangezogen werden.
Das System stützt sich auf die Auswertung einer Vielzahl von Bursts, die aus der Bewegung des Stoffstroms über die Förderstrecke resultieren. Die Bursts bzw. deren Wellenformen und -verlauf werden ausgewertet. Hierfür ist die Ermittlung von aussagekräftigen Merkmalen erforderlich. Hierbei erfolgt die Ermittlung (Extraktion) der AE-Merkmale und die Erzeugung eines AE-Datensatzes pro Burst. In die Ermittlung und Bewertung können insbesondere folgende AE-Merkmale einbezogen werden:

– Ankunftszeit (absolute Zeit der ersten Schwellenüberschreitung)
– Maximalamplitude
– Anstiegszeit (Zeitintervall zwischen der ersten Schwellenüberschreitung und Zeitpunkt der Maximalamplitude)
– Abklingzeit
– Signaldauer (Zeitintervall zwischen erster und letzter Schwellenüberschreitung) und ferner
– Überschwingung eines Hits oder Counts (Zahl der Überschreitung der Schwelle in einer Polarität)
– Energie (Integral der quadrierten oder absolute Momentanwerte des Spannungsverlaufs)
– RMS (Effektivwert) des kontinuierlichen Hintergrundgeräuschs vor dem zugehörigen Hit.

Bezugszeichenliste

1: Förderstrecke
2: Vibrationsrinne
3: Förderband
4: Freifallstrecke
5: Aufgabeeinheit
6: Schallsensor
7: Schallsensor
8: Schallsensor
9: Schallsensor
10: Schallsensor
11: Schallsensor
12: Bodenblech
13: Seitenwand v. 2
14: Seitenwand v. 2
15: Ende
16: Prallplatte
17: Rückseite
18: Verstärker
19: Analog-Digital-Umsetzer
20: Auswerteeinheit
K: Korn
S: Stoffstrom

Claims

Verfahren zur Analyse eines Stoffstroms (S), welcher aus einer oder mehreren Stoffkomponenten besteht, bei welchem der Stoffstrom (S) über eine Förderstrecke (1) geführt wird, wobei der Förderstrecke (1) zumindest ein Schallsensor (6–11) zugeordnet ist, durch welchen vom Stoffstrom (S) erzeugte akustische Signale erfasst werden, worauf die akustischen Signale in digitale Signale umgewandelt und in einer Auswerteeinheit (20) eine rechnergestützte Bewertung der digitalen Signale mittels eines Algorithmus im Vergleich zu anhand von individuellen Erkennungsmerkmalen der Stoffkomponenten festgelegten Referenzwerten durchgeführt und die Stoffkomponenten identifiziert sowie der Massenanteil von zumindest einer Stoffkomponente im Stoffstrom (S) bestimmt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass akustische Signale in Form von Schallemission (Acoustic Emission) und/oder Körperschall und/oder Luftschall und/oder Flüssigkeitsschall erfasst und ausgewertet werden.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der Algorithmus die Berechnung und Auswertung eines oder mehrerer der nachfolgend aufgeführten Parameter beinhaltet: – Arithmetischer Mittelwert – Median – Varianz – Standardabweichung – Effektivwert/RMS-Wert (Root Mean Square) – Quadratischer Mittelwert/RMQ-Wert – RMX-Wert – Crest-Faktor (Scheitelfaktor) – Kurtoris-Faktor (Wölbungsfaktor) – Maximalwert – Peak2RMS-Wert – Peak2Peak-Wert.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der Algorithmus zur Erkennung und Bewertung von Bursts angewendet wird, worauf eine Bewertung der einzelnen Bursts durchgeführt wird.
Anordnung zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 4, mit einer Förderstrecke (1) über welche der Stoffstrom (S) relativ zu zumindest einem Schallsensor (6–11) bewegbar ist und der Schallsensor (6–11) mit einer Auswerteeinheit (20) verknüpft ist, welche Mittel zur Identifizierung der Stoffkomponenten sowie zur Bestimmung des Massenanteils zumindest einer Stoffkomponente im Stoffstrom aufweist.
Anordnung nach Anspruch 5, dadurch gekennzeichnet, dass der Schallsensor (6–11) ein Schallemissionssensor, ein Körperschallsensor, ein Luftschallsensor oder ein Flüssigkeitsschallsensor ist.
Anordnung nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass mehrere Schallsensoren (6–11) vorgesehen sind.
Anordnung nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass die Förderstrecke (1) Bestandteil eines Stetigförderers oder eines Stetigförderersystems ist.
Anordnung nach einem der Ansprüche 5 bis 8, dadurch gekennzeichnet, dass der Schallsensor (6–11) an einem Kontaktkörper (12) der Förderstrecke (1) oder eines in der Förderstrecke (1) eingegliederten Kontaktkörpers (16) angeordnet ist.