Prozesseffizienz durch Sensorik: photonische Temperaturmessung an Metallschmelzen (PhoTeMe)

Abstract

Im Rahmen der Forschungs- und Entwicklungsarbeiten ist eine neue Messlanze entstanden, die es ermöglicht, mit einer austauschbaren Messspitze mit einem zentrisch angeordneten Quarzstift direkt in die Stahlschmelze einzutauchen. Die austauschbare Messspitze ist in Anlehnung der bisherigen Thermoelement-Messtechnik als Verschleißteil zur begrenzten mehrmaligen Benutzung entwickelt worden. Da der aus Kostengründen gewählte optisch leitfähige Werkstoff in dem Anwendungstemperaturbereich einer Auflösung unterliegt, ist der gewählte Aufbau als begrenzte mehrmalige Benutzung ein optimaler Weg zwischen Herstellkosten, Nutzungsdauer und Genauigkeit. Die Materialien, die als mechanisch und temporärer thermischer Schutz des permanenten optischen Ankopplungspunkt erprobt wurden, weisen ebenfalls einen optimalen Weg zwischen Herstellkosten, Nutzungsdauer, mechanische Stabilität und thermischen Isolationsvermögen auf. Die Entwicklung des eigentlichen hochtemperaturfesten Materials wurde durch ein zeitlich vorgelagertes Entwicklungsprojekt bei der TSK GmbH bewerkstelligt. Das vom glühenden Metall emittierte Licht wird über einen Lichtwellenleiter zu einem Spektrometer in oberen Bereich der Lanze geleitet. Das anfangs verwendetet Diodenzeilenspektrometer (OceanOptics NIR Quest 512 / 2.2) wurde im Projektverlauf durch einen Prototyp eines MEMS (micro electro mechanical system) basierten NIR-Spektrometers des Fraunhofer IPMS "SMMS 2200" ersetzt. Aufgrund der hohen Emission der Quelle, den Umgebungsbedingungen und den Anforderungen an die Energieversorgung wird eine besonders energieeffiziente Variante mit ungekühltem InGaAs-Detektor verwendet. In der finalen Version der Messlanze ist ebenfalls im oberen Teil ein Elektroniksystem mit mini-PC, eine Flüssigkristallanzeige und die Energieversorgung angebracht. Auf dem mini-PC laufen die Algorithmen zur Messwerterfassung und -auswertung. Die Auswertung der Spektren ist die zentrale Herausforderung, die im Projekt durch neuartige Ansätze der KI (künstlichen Intelligenz) gelöst werden. Aufgrund der zahlreichen Einflussfaktoren und Randbedingungen wird das emittierte Spektrum stark verändert. Die Veränderungen können durch eine Transferfunktion beschrieben werden. Aufgrund der Komplexität und den vielfältigen Veränderungen ist eine geschlossene Lösung nicht möglich. Die Bestimmung der inversen Transferfunktion, die aus den erfassten Messwerten das ursprüngliche Spektrum rekonstruiert, kann nicht auf Basis klassischer Ansätze mit der notwendigen Genauigkeit erreicht werden. Hier setzt die KI an und lernt aus unter kontrollierten Bedingungen sowohl im Labor als auch im Realumfeld erfassten Spektren anhand von Temperaturreferenzwerten die Korrelation. Im Rahmen der Entwicklung wurden unterschiedliche Ansätze erprobt. Für die hier unvermeidliche knappe Datenbasis und die vielfältigen Randbedingungen kann nur eine sogenannte "Inception - Residual Convolutional Neuronal Network" Architektur die geforderten Genauigkeiten erreichen. Das Messsystem wurde im Realeinsatz in Umfeld eines Stahlwerks (Gießerei Radeberg) erprobt. Die Ergebnisse der Messungen sind vielversprechend, zeigen aber auch, dass für ein stabil und zuverlässig arbeitendes spätes Produkt eine breite Datenbasis mit dicht verteilen Temperaturstützstellen aus dem Feld notwendig ist.