Das ParticleTensorAI®-Konzept
Wenn Tropfen oder Partikel ein geformtes Lichtfeld durchqueren, zeichnen optische Detektoren einen Strom zeitabhängiger Streusignale auf. ParticleTensorAI® hält ein ausgewähltes Intervall dieses Datenstroms vor und stellt es als Tensor für die KI-basierte Auswertung dar.
Die Analyse berücksichtigt Muster über das gesamte aufgezeichnete Intervall, ohne dass jedes Tropfenereignis zuvor isoliert werden muss. Signalformen, Intensitäten, zeitliche Struktur und Beziehungen zwischen den Detektorkanälen können Informationen für das Modell liefern. Ein Particle Tensor repräsentiert gemessene optische Signale; er ist kein Kamerabild des Sprays.
Von Signalsequenzen zu Material- und Prozessinformationen
Je nach Messaufbau und validiertem Modell kann ParticleTensorAI® Eigenschaften wie die mittlere Größe suspendierter Partikel, die Massenkonzentration und materialbezogene optische Eigenschaften schätzen oder klassifizieren. Es kann zudem eingesetzt werden, um Änderungen der Materialzusammensetzung oder der Spraybedingungen zu untersuchen.
Das zentrale Konzept besteht darin, Informationen aus der Gesamtstruktur einer Signalsequenz zu gewinnen. Welche Ergebnisse verfügbar sind, hängt von der optischen Konfiguration, den Referenzdaten und dem für die Anwendung entwickelten Modell ab.
KI-basierte Tensorauswertung
ParticleTensorAI® arbeitet ausschließlich mit KI-basierter Auswertung. Bei der Modellentwicklung werden aufgezeichnete Tensoren Referenzmessungen oder definierten Material- und Prozessbedingungen zugeordnet. Die Validierung zeigt, wie zuverlässig das Modell Eigenschaften schätzen oder Zustände innerhalb der vorgesehenen Anwendung unterscheiden kann.
Die Tensordarstellung strukturiert die aufgezeichneten Informationen für die Analyse. Ihr Nutzen hängt davon ab, dass die für die Messaufgabe relevanten Signalmerkmale erhalten bleiben und ein geeignetes Auswertemodell verwendet wird.
ParticleTensorAI®, SprayQuantAI® und SprayConeAI® im Vergleich
Die drei Plattformen decken unterschiedliche Ebenen der Spraycharakterisierung ab: gepufferte Lichtstreusequenzen, Signaturen einzelner Tropfen und Bilder des Sprays.
| Plattform | Ausgewertete Daten | Analysekonzept | Schwerpunkt |
|---|---|---|---|
| ParticleTensorAI® | Gepufferte Lichtstreusequenzen, dargestellt als Tensoren | KI-basierte Analyse von Mustern über ein aufgezeichnetes Intervall | Anwendungsspezifische Partikel-, Material- und Prozesscharakterisierung |
| SprayQuantAI® | Lichtstreusignatur eines einzelnen Tropfens | Klassische oder KI-basierte Auswertung, Tropfen für Tropfen | Aus Einzelereignissen abgeleitete Tropfeneigenschaften und Spraystatistiken |
| SprayConeAI® | Bilder von Spraykegeln und Spraymustern | Bildbasierte Analyse | Spraykegelgeometrie und räumliche Spraymuster |
SprayQuantAI® verarbeitet die Lichtstreusignatur jedes einzeln detektierten Tropfens. ParticleTensorAI® wertet die Muster innerhalb einer gepufferten Signalsequenz aus. SprayConeAI® nutzt Bilder, um die sichtbare Spraygeometrie zu analysieren.
Literatur
[1] W. Schaefer, „KI-gestütztes Verfahren zur Analyse eines Ensembles dynamischer Teilchen oder einer Teilchenwolke durch Auswertung eines aus einem kontinuierlichen Datenstrom von Lichtstreusignalen generierten Bildes“, Deutsche Patentanmeldung DE 10 2025 120 569.8, eingereicht am 27. Mai 2025.
[2] W. Schaefer, T. Jakobs und P. Stegmann, „AI-assisted monitoring of coal particles within droplets in a coal monoethylene glycol slurry spray“, in Proc. 41st Int. Symp. on Combustion (ISOC), Kyoto, Japan, 26.–31. Juli 2026, Combustion Institute, doi: 10.5445/IR/1000196272. [Online]. Verfügbar unter: https://publikationen.bibliothek.kit.edu/1000196272.
[3] W. Schäfer, T. Jakobs und P. Stegmann, „KI-gestützte, Tensor basierte Charakterisierung von Tropfen und Partikeln aus kontinuierlichen Lichtstreusignalen“, in Jahrestreffen der DECHEMA/VDI-Fachgruppen Kristallisation und Trocknungstechnik 2026, Frankfurt am Main, 4.–6. März 2026. https://dechema.de/JTR_KRI_TRO_2026.html