MétaCan
Menu
Retour à la cohorte
Enregistrement W2565289180 · doi:10.1002/cjce.22769

Fine coal desulphurization and microwave energy absorption behaviour by microwave magnetic separation

2016· article· en· W2565289180 sur OpenAlexvenueno aff
Bo Zhang, Chenyang Zhou, Yuemin Zhao, Luhui Cai, Xuchen Fan

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoalPyriteMicrowavePyrrhotiteMagnetic separationChemistrySulfurMineralogyMaterials scienceMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Microwave energy has been used to improve the coal‐pyrite magnetism, while magnetic medium has been added to enhance the microwave energy. Hence, there will be a secondary gradient magnetic chain, which can improve the desulphurization process through magnetic separation. Microwave energy and medium synergistic effects are able to readily improve the magnetic desulphurization process for fine coal. The present paper has studied the impact of microwave energy on the magnetic desulphurization process for fine coal. Intrinsic electromagnetic parameters of different materials were used to analyze and predict the equivalent dielectric parameters of the fine coal layer. The electromagnetic parameter according to the effective medium theory equation for fine coal was established. Coal specific susceptibility is related to pyrite content and pyrrhotite content in pyrite. The specific susceptibility values for the three types of coals were found to be in the following order: Lu'an (LA) coal > Weinan (WN) coal > Yiluo (YL) coal. The most suitable value for LA high‐sulphur coal's sulphur content after being separated by dry type rare earth roll strong magnetic separator appeared to be 60 s delayed in nitrogen atmosphere compared to the corresponding value in an air atmosphere. LA fine coal sulphur content reduced to 2.05 % from 3.66 %, and the microwave magnetic separation desulphurization rate was 44 %.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,308

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 Opus0,005
Tête enseignante GPT0,179
Écart entre enseignants0,174 · 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'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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMetal Extraction and BioleachingTravaux en français237 207