Heat and Fluid Flow 2026 – KI-gestützte Tropfenanalyse mit TSTOF-Lichtstreusignalen

Dieser wissenschaftliche Artikel stellt ein KI-gestütztes Verfahren zur Bestimmung des Brechungsindex und der Massenkonzentration einzelner Spraytropfen vor. Das Verfahren nutzt TSTOF-Lichtstreusignale und maschinelles Lernen, um materialbezogene Informationen aus dynamischen Tropfen in einem Spray zu gewinnen.

Die klassische optische Spray-Messung konzentriert sich häufig auf Tropfengröße und -geschwindigkeit. Viele industrielle und wissenschaftliche Anwendungen benötigen jedoch zusätzliche Informationen. So kann es beispielsweise erforderlich sein, den Brechungsindex, die Flüssigkeitszusammensetzung oder die Massenkonzentration in einzelnen Tropfen zu kennen. KI-gestützte Tropfenanalyse kann helfen, diese Informationen aus komplexen optischen Signalen zu gewinnen.

Das TSTOF-Messprinzip analysiert zeitversetzte Lichtstreusignale von Tropfen, die sich durch einen geformten Lichtstrahl bewegen. Diese Signale enthalten Informationen über die Tropfenbewegung, das optische Verhalten und die Materialeigenschaften.

In dieser Arbeit unterstützt künstliche Intelligenz die Auswertung dieser Signale. Das KI-Modell lernt Signalmuster, die mit Brechungsindex und Massenkonzentration zusammenhängen. Dadurch erweitert das Verfahren die klassische Tropfenmessung hin zu einer materialsensitiven Spraydiagnostik.

Der Brechungsindex ist eine wichtige optische Eigenschaft von Flüssigkeiten. Er ändert sich mit der Flüssigkeitszusammensetzung und kann daher wertvolle Informationen über Gemische, Lösungen und Prozessbedingungen liefern.

Auch die Massenkonzentration ist für viele Sprayprozesse wichtig. Sie beschreibt die Menge an gelöstem oder suspendiertem Material in einem Tropfen. Das ist relevant für Beschichtungsprozesse, Slurry-Sprays, Kraftstoffsprays, chemische Prozesse und andere Mehrphasenanwendungen.

Durch die Kombination von TSTOF-Lichtstreusignalen mit KI-gestützter Analyse kann das Verfahren einzelne Spraytropfen auswerten statt nur gemittelte Sprayeigenschaften. So entsteht ein detaillierteres Bild der Spray-Zusammensetzung und des Prozessverhaltens.

Dieser Artikel zeigt, wie optische Messtechnik über die klassische Größen- und Geschwindigkeitsmessung hinausgehen kann. KI-gestützte Tropfenanalyse ermöglicht es, aus derselben Art von Lichtstreusignalen zusätzliche Informationen zu gewinnen.

Das Verfahren eröffnet damit neue Anwendungen in der Spray-Messtechnik, der Partikelcharakterisierung, der Materialanalyse und der industriellen Prozessüberwachung. Zugleich verbindet es die etablierte TSTOF-Diagnostik mit moderner KI-basierter Signalauswertung.

KI-gestützte Tropfenanalyse kann Forschenden und Ingenieuren helfen, komplexe Sprays besser zu verstehen. Sie unterstützt die Charakterisierung von Flüssigkeitsgemischen, Konzentrationsänderungen, Beschichtungsmaterialien, Slurry-Tropfen und anderen dynamischen Mehrphasensystemen.

Der Ansatz bietet zudem Potenzial für das Echtzeit-Spray-Monitoring. Künftig könnten solche Verfahren helfen, Prozessänderungen früher zu erkennen, die Qualitätskontrolle zu verbessern und stabilere industrielle Sprayprozesse zu ermöglichen.

Walter Schäfer, E. Goldenberg, M. Al-Naggar and W. Schaufler

Abstract: In dieser Arbeit untersuchen wir, ob die von einem Time-Shift–Time-of-Flight-(TSTOF-)Messgerät aufgezeichneten Lichtstreusignale genügend Information enthalten, um Brechungsindex und Massenkonzentration zu bestimmen, und zeigen, wie künstliche Intelligenz (KI) diese Information nutzen kann. Die genaue Bestimmung von Brechungsindex und Massenkonzentration einzelner dynamischer Tropfen ist für die Charakterisierung transparenter Tropfen und Suspensionstropfen in industriellen Sprayprozessen unerlässlich. Konventionelle optische Diagnoseverfahren können diese Größen für einzelne bewegte Tropfen nicht liefern, und aktuelle TSTOF-basierte Messgeräte sind im Allgemeinen auf Größe, Geschwindigkeit und Opazität beschränkt, insbesondere unter dichten Spraybedingungen. Kontrollierte Messungen wurden an Suspensionstropfen mit Konzentrationen von 0% bis 100% sowie an transparenten Tropfen aus Wasser-Glycerin-Gemischen mit Brechungsindizes zwischen 1.30 und 1.40 durchgeführt. Für jeden Tropfen wurden Lichtstreusignale aufgezeichnet, während er einen elliptischen Gaußstrahl durchquerte. KI-Modelle wurden mit unterschiedlichen Kombinationen dieser Signale trainiert. Die Ergebnisse zeigen, dass KI-erweiterte TSTOF-Diagnostik eine echtzeitfähige, zusammensetzungssensitive Charakterisierung dynamischer Tropfen ermöglicht und die Möglichkeiten aktueller optischer Spray-Messsysteme erheblich erweitert.

https://www.sciencedirect.com/science/article/abs/pii/S0142727X26001839?via%3Dihub