MétaCan
Menu
Retour à la cohorte
Enregistrement W2040647369 · doi:10.1002/cjce.21994

Structural control of Na<sub>2</sub>TiO<sub>3</sub> in pre‐treating natural rutile ore by alkali roasting for TiO<sub>2</sub> production

2014· article· en· W2040647369 sur OpenAlexvenueno aff
Fancheng Meng, Yahui Liu, Jinlong Chu, Weijing Wang, Tao Qi

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRoastingRutileAlkali metalMaterials scienceParticle sizeMass fractionMetallurgyTitaniumChemical engineeringMineralogyNuclear chemistryChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

To improve the use of natural rutile ore with fine particle size and high contents of MgO and CaO in China, a novel pre‐treatment method of natural rutile ore by NaOH roasting to prepare α ‐Na 2 TiO 3 for TiO 2 production was proposed. γ ‐Na 2 TiO 3 is a stable by‐product that can lead to serious caking in the reactor and low titanium yield. Thus, structural control in alkali roasting is necessary. The influence of particle size of natural rutile ore, NaOH‐to‐ore mass ratio, roasting temperature and roasting time on the crystal forms of Na 2 TiO 3 was systematically investigated. The optimized reaction parameters were as follows: average particle size of natural rutile ore, −9.2 µm; NaOH‐to‐rutile mass ratio, 1.2; roasting temperature, 550 °C; and roasting time, 70 min. In these conditions, the titanium conversion and the fraction of α ‐Na 2 TiO 3 exceeded 99.5 % and 98 %, respectively. Moreover, the addition of H 2 O or as‐prepared partial α ‐Na 2 TiO 3 as crystal seeds into the reaction system could prepare the roasting product with α ‐Na 2 TiO 3 as its main phase using −45 µm (−325 mesh) natural rutile ore.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,177
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetIron and Steelmaking ProcessesTravaux en français237 207