Cycle Development and Process Optimization of High-Purity Oxygen Production Using Silver-Exchanged Titanosilicates
Notice bibliographique
Résumé
Producing oxygen with purity higher than 95.0% from atmospheric air (78.0% N 2, 21.0% O 2, and 1.0% Ar) is challenging because of the similar physical properties of oxygen and argon. Silver-exchanged titanosilicates have shown the potential to separate these gases based on their thermodynamic affinities. In this study, various vacuum swing adsorption (VSA) cycle configurations including the simple Skarstrom cycle and more complicated 6-step VSA cycles were simulated using mathematical models to maximize O 2 purity and recovery. The simulations were verified by conducting simple 3-step and Skarstrom VSA cycle experiments. A mixture of 95.0%/5.0% O 2 /Ar feed was considered in the simulations, and a rigorous multiobjective optimization was conducted to maximize O 2 purity and recovery. The simulations predicted 27.3% recovery for a product with 99.5% purity for a 6-step cycle with pressure equalization and light product pressurization steps. The recovery for the same level of purity was improved significantly to 91.7% by implementing a heavy product pressurization step. The effect of bed length on O 2 purity and recovery and the comparison of VSA with pressure swing adsorption and pressure–vacuum swing adsorption for high-purity O 2 production were also investigated. Rigorous multiobjective optimizations were conducted to maximize oxygen productivity and minimize energy consumption of the VSA cycles, while meeting different purity constraints, and significant improvement in the performance indicators was obtained through process optimization.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».