MétaCan
Menu
Retour à la cohorte
Enregistrement W2087655829 · doi:10.1002/cjce.22072

Ultrasound‐facilitated particle breakage: Estimation of kinetic parameters using population balance modelling

2014· article· en· W2087655829 sur OpenAlexvenueno aff
Atul H. Bari, Aniruddha B. Pandit

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity Grants Commission
Mots-clésBreakagePopulation balance equationDiscretizationPopulationBiological systemParticle (ecology)Particle sizeParticle-size distributionDistribution functionMathematicsMechanicsApplied mathematicsMaterials scienceChemistryThermodynamicsPhysicsMathematical analysisPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ultrasound‐facilitated particle breakage has been proven to be a good technique for size reduction. However, because of the difficulties associated with the solution of population balance equation (PBE), there has been little attention on the estimation of kinetics of this process. In this paper an attempt has been made to develop a generic approach for solving PBE with a given particle size distribution (PSD) data to estimate the breakage kinetics. For this purpose, discretization technique along with gPROMS parameter estimation tool was used. This method was found to be a comprehensive method for the estimation of breakage kinetics in general and was subsequently used for the estimation of ultrasound‐facilitated breakage kinetics, using a simple model system. Potassium nitrate (KNO 3 ) particles suspended in toluene was used as model system, and the effect of induced power on breakage strength was studied. The data obtained were used for the estimation of specific breakage rate with different particle size distribution function. The distribution function, for which simulated PSD was found to match with the experimental PSD, was considered for deriving energy‐size reduction law.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,724

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,210
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations30
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207