Nickel, copper and cobalt coalescence in copper cliff converter slag
Notice bibliographique
Résumé
The aim of this investigation is to assess the effect of various additives on coalescence of nickel, copper and cobalt from slags generated during nickel extraction. The analyzed fluxes were silica and lime while examined reductants were pig iron, ferrosilicon and copper-silicon compound. Slag was settled at the different holding temperatures for various times in conditions that simulated the industrial environment. The newly formed matte and slag were characterized by their chemical composition and morphology. Silica flux generated higher partition coefficients for nickel and copper than the addition of lime. Additives used as reducing agents had higher valuable metal recovery rates and corresponding partition coefficients than fluxes. Microstructural studies showed that slag formed after adding reductants consisted of primarily fayalite, with some minute traces of magnetite as the secondary phase. Addition of 5 wt% of pig iron, ferrosilicon and copper-silicon alloys favored the formation of a metallized matte which increased Cu, Ni and Co recoveries. Addition of copper-silicon alloys with low silicon content was efficient in copper recovery but coalescence of the other metals was low. Slag treated with the ferrosilicon facilitated the highest cobalt recovery while copper-silicon alloys with silicon content above 10 wt% resulted in high coalescence of nickel and copper, 87 % and 72 % respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».