5. Modellierung der Gesamtanlage
Die Gesamtanlage kann auf der Basis von Stoffbilanzen der
Einzelaggregate, die jeweils sowohl die Gesamt- als auch
die Fraktionsmasseströme berücksichtigen müssen, und
deren Verknüpfung modelliert werden. So wird durch die
gewählte Sichterraddrehzahl die obere Korngröße des den
Sichter passierenden Feinguts beim Zusammenwirken von
Mühle und Sichter im Kreislaufbetrieb festgelegt. Gleichzeitig
ergibt sich daraus die Menge des zwischen Sichter und
Due to the low plant throughput, the amounts of the
specific power requirement for grinding determined in
the closed-circuit grinding plant are naturally larger than
typical values of industrial plants. Nevertheless, the
comments on the influence of the type of material and
the product particle size remain valid.
4. Test results to describe the process technology of
mill and separator
The separate description of mill and separator based on
the particle size distribution of the fed and discharged
materials, the throughput and plant-specific characteristics
is the starting point to simulate the process of the
closed-circuit grinding plant. Based on this, the individual
units can be balanced and a process model of the
overall plant can be developed, taking into account the
circulating material flow between the individual units.
The expenditure for such a model is calculable due to the
incorporation of a special software [9].
The parameters used for the separate evaluation of the
main units have been defined in Table 2. Based on these
parameters, the comminution effect of the mill or the
separating effect of the classifier can be described as
follows:
– The particle size reduction achieved in the mill is
evaluated selectively by the reduction ratio defined
as quotient of the x80 values of the mill feed and
discharge. A detailed description of the comminution
effects achieved in whole range of particle sizes is
possible by means of the particle concentration rate
(pcr) [9, 10] which is defined as quotient of the
standardized particle size distribution densities of the
outgoing and incoming flow. The standardized classifications
are formed as quotient of the particle size considered
and a reference particle size. That particle size
is chosen as reference particle size which assumes a
reference value Q* for the sum distribution Q(x).
Predominantly the value x80 is used. All values > 1.0
represent an enrichment of particles in the individual
size classes while values < 1.0 represent a depletion.
– The selectivity is used to evaluate the success of
separation by the classifier. Analogous to the particle
concentration rate, the selectivity is defined as quotient
of two particle size distribution densities. Additionally
the incoming flow is divided into tailings and fines.
The values shown in Table 2 and measured during the
comminution of cement clinker are used, for instance, to
calculate a reduction ratio of the mill of 3.4. With the
same example, the cut size of the separator amounts to
a value of 4.3 m.
It is known from the analysis results of the grinding
operations carried out that the reduction ratio will
decrease with increasing mill throughput. For this
dependence a power statement for the product can be
determined on the basis of the mill throughputs measured
and the reduction ratios incidental thereto, representing
the mill performance curve (Fig. 9). As opposed to the
considerations under item 3, the decisive factor for this
curve is the mill throughput which is considerably higher
than the plant throughput due to the formation of
circuits.
The operational behaviour of the classifier is shown in
Fig. 10 as the connection between the cut size and the
speed of the separating wheel based on the analysis of
the experimental data. This classifier characteristic has
an essentially higher degree of definiteness than the mill
curve. The differences in density of the materials tested,
amounting up to 0.7 g/cm3, hardly affect the cut size.

Mühle zirkulierenden Massestroms (Bild 11). Weil die Mühle
mit näherungsweise konstantem Füllungsgrad betrieben
wird, bestimmt dieser die Aufgabemenge, die der Gesamtanlage
von außen zugeführt wird. Niedrige Produktfeinheit
bedeutet, dass der zirkulierende Massestrom gering und der
Anlagendurchsatz hoch ist. Hohe Produktfeinheit hat einen
hohen zirkulierenden Massestrom und einen geringen Anlagendurchsatz
zur Folge.
In den Bildern 12 und 13 sind am Beispiel der bereits dem
Bild 3 zugrunde liegenden Mahlung von Zementklinker,
zwei Betriebszustände der Kreislaufmahlanlage dargestellt,
die den Arbeitsbereich der Anlage in Bezug auf Durchsatz
und Produktfeinheit veranschaulichen. Im Betriebszustand
A wird bei einer Sichterraddrehzahl von 1150 U/min ein vergleichsweise
grobes Produkt mit x80 = 48,1 m hergestellt.
Der Anlagendurchsatz liegt bei 45 kg/h. Die Umlaufzahl,
die als Verhältnis von Mühlendurchsatz zu Anlagendurchsatz
definiert ist, beträgt 1,93. Im Betriebszustand B wird
bei nahezu maximaler Sichterraddrehzahl von 10 000 U/min
ein sehr feines Produkt mit x80 = 2,8 m erzeugt. Der Anlagendurchsatz
geht auf 2,7 kg/h zurück, wobei sich die
Umlaufzahl auf 9,9 erhöht.
Mit Hilfe der experimentell ermittelten Datensätze aus verschiedenen
Betriebszuständen lassen sich stoffspezifische
Prozessmodelle der Kreislaufmahlanlage erstellen, die
eine Vorausberechnung beliebiger Anlageneinstellungen für
die untersuchten Stoffe erlauben. Beispielsweise kann für
eine gewünschte Feinheit eines bestimmten Produktes die
Sichterraddrehzahl als Einstellparameter und die daraus
resultierenden Masseströme ermittelt werden. Im umgekehrten
Fall kann die Korngrößenverteilung des Produkts
und der Anlagendurchsatz berechnet werden, wenn die
Sichterraddrehzahl vorgegeben wird.
Die Ergebnisse der Simulation, die mit dem Prozessmodell
erreicht werden, stimmen sehr gut mit den experimental ermittelten
Daten überein (Bild 14). Die Partikelgrößenverteilungen
der realen Mahlprodukte (Schwarz und Grün)
sind darin den simulierten Produkten (Blau und Rot) gegenübergestellt.
Allerdings zeigt sich, dass die simulierte Verteilung
in einigen Abschnitten keinen stetigen Verlauf
aufweist und nicht durchgehend mit der realen Verteilung
übereinstimmt. Eine Verbesserung der Übereinstimmung
lässt sich einerseits durch die Weiterentwicklung der dem
Prozessmodell zugrunde liegenden Algorithmen erreichen.
Andererseits beeinflusst auch die Qualität der für die
Verifizierung des Prozessmodells zur Verfügung stehenden
experimentellen Daten die Güte der Simulation.