Wasserabpressende Fördereinrichtung zur energieeffizienten Entwässerung von Schüttgut

Für die Optimierung und somit Energieeinsparung beim Trocknen von Grüngut wurde eine mechanische Vorentwässerung entwickelt. Dieser Schritt wurde notwendig, da sich die politischen und ökonomischen Rahmenbedingungen, durch Subventionskürzungen und steigenden Energiepreisen, zu Ungunsten der Trocknungsbetriebe verändert haben und eine rein thermische Trocknung kaum noch rentabel ist. In einem gemeinsamen Kooperationsprojekt zwischen der TU Chemnitz und der fömat GmbH entstand eine Schneckenpresse speziell für Grüngut ohne dabei wichtige Nährstoffe beim Entwässern mit auszuspülen. Seit 2010 ist diese Fördereinrichtung in den Trocknungsprozess vollständig integriert und es konnten während einer vollständigen Trocknungssaison in ca. 1.800 Betriebsstunden mehr als 10.500 m³ Wasser aus 47.200 t Grüngut abpressen werden. Dies hatte zur Folge, dass eine Energieeinsparung von über 25 % erreicht wird. Die Qualität des Grünfutters wurde dabei nicht beeinträchtigt und die wichtigen Nährstoffe blieben im Grüngut nahezu vollständig erhalten.

Untersuchungen Gewichtsreduktionspotentiale Gegengewichtsgabelstapler

Die Masse eines Gegengewichtstaplers beeinflusst den Energieverbrauch beim Fahren maßgeblich. Steigende Energiepreise und steigendes Umweltbewusstsein führen zu grünen Trends in Logistik. Durch Reduktion der Gesamtmasse eines Gabelstaplers können große Einsparungen erreicht werden. Eine Machbarkeitsstudie soll mithilfe der numerischen Simulationen zeigen, dass neuartige Fahrzeuge mit aktiven Systemen trotz geringerer Masse hinreichend hohe Standsicherheit aufweisen können. In diesem Beitrag sollen die ersten Ergebnisse dieses Forschungsvorhabens vorgestellt werden.

High Resolution Image Correspondences for Video Post-Production

We present an algorithm for estimating dense image correspondences. Our versatile approach lends itself to various tasks typical for video post-processing, including image morphing, optical flow estimation, stereo rectification, disparity/depth reconstruction, and baseline adjustment. We incorporate recent advances in feature matching, energy minimization, stereo vision, and data clustering into our approach. At the core of our correspondence estimation we use Efficient Belief Propagation for energy minimization. While state-of-the-art algorithms only work on thumbnail-sized images, our novel feature downsampling scheme in combination with a simple, yet efficient data term compression, can cope with high-resolution data. The incorporation of SIFT (Scale-Invariant Feature Transform) features into data term computation further resolves matching ambiguities, making long-range correspondence estimation possible. We detect occluded areas by evaluating the correspondence symmetry, we further apply Geodesic matting to automatically determine plausible values in these regions.