MétaCan
Menu
Retour à la cohorte
Enregistrement W2317497556 · doi:10.1021/ie2019849

Corrosion Behavior of Carbon Steel in Alkanolamine/Room-Temperature Ionic Liquid Based CO<sub>2</sub> Capture Systems

2012· article· en· W2317497556 sur OpenAlexaff
Muhammad Hasib‐ur‐Rahman, Hana Bouteldja, Pascal Fongarland, Mohamed Siaj, Faı̈çal Larachi

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2012
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueIonic liquids properties and applications
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAlkanolamineIonic liquidDiethanolamineCorrosionOxidizing agentAqueous solutionChemistryAmine gas treatingInorganic chemistryMaterials scienceChemical engineeringOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

To address the drawbacks of aqueous alkanolamine based state-of-the-art technology for industrial scale carbon dioxide capture, among a number of options, alkanolamine/room-temperature ionic liquid (RTIL) systems are also being tested as a likely replacement. These new schemes seem to be a better alternative to hamper corrosion occurrence. Omission of the aqueous phase marks abolition of probable oxidizing species mainly responsible for corrosion in water-based chemical absorption processes. In the present study, the corrosion phenomenon in amine/room-temperature ionic liquid blends comprised of alkanolamine/s (monoethanolamine, 2-amino-2-methyl-1-propanol, diethanolamine, N -methyldiethanolamine) and hydrophilic room-temperature ionic liquid ([BMIM][BF 4 ], [EMIM][BF 4 ], and [EMIM][Otf]) has been investigated by systematically probing the effect of amine/RTIL type, process temperature, CO 2 loading, presence/absence of oxygen in flue gas, as well as the influence of water content. The analytical techniques exercised in this regard include linear polarization resistance (LPR), scanning electron microscopy (SEM), and energy-dispersive X-ray spectroscopy (EDX).

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,046
Tête enseignante GPT0,289
Écart entre enseignants0,242 · 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.

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

Citations69
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetIonic liquids properties and applicationsTravaux en français237 207