MétaCan
Menu
Retour à la cohorte
Enregistrement W2124349085 · doi:10.1109/ias.2000.881928

Bipolar charging in polydisperse polymer powders in industrial processes

2002· article· en· W2124349085 sur OpenAlexaff
Hongjian Zhao, G.S.P. Castle, I.I. Inculet, A.G. Bailey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFaraday cupCharge (physics)Faraday cageMaterials sciencePolymerSpace chargeParticle (ecology)Volume (thermodynamics)Work (physics)Charge densityParticle-size distributionMass distributionAnalytical Chemistry (journal)Particle sizeComposite materialMagnetic fieldChemistryThermodynamicsPhysicsOpticsChromatographyPhysical chemistryBeam (structure)Nuclear physics

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to review the previous published work and to describe some results showing bipolar charging using polymer powders in two common industrial processes: fluidized beds and pneumatic transport. A new measurement system is described for measuring the bipolar charge distribution. This consists of a vertical array of seven Faraday pail sensors, which can selectively detect different charge components based upon particle size (gravity segregation) and charge (space charge repulsion). For the experiments reported here the charge and mass values were measured for each sensor allowing the calculation of charge to mass ratio (Q/M). In addition, size distribution and surface analyses were carried out for representative samples of the powder components. Data are presented for several types of polymer powders (volume mean diameter <100 /spl mu/m), with and without extraparticulate additives. The results, in all but one of the cases reported, show that even though the net charge may be positive or negative the fine particles show a negative charge and the coarse particles positive. These results are compared under several possible hypotheses.

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)0,001
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
Métarecherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,188
Écart entre enseignants0,169 · 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

Citations28
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrical and Bioimpedance TomographyTravaux en français237 207