Development of a Size Reduction Equation for Woody Biomass: The Influence of Branch Wood Properties on Rittinger’s Constant
Notice bibliographique
Résumé
<abstract> <b><sc>Abstract. </sc></b>Size reduction is an essential but energy-intensive process for preparing biomass for conversion processes. Three well-known scaling equations (Bond, Kick, and Rittinger) are used to estimate energy input for grinding minerals and food particles. Previous studies have shown that the Rittinger equation has the best fit to predict energy input for grinding cellulosic biomass. In the Rittinger equation, Rittinger‘s constant (k<sub>R</sub>) is independent of the size of ground particles, yet we noted large variations in k<sub>R</sub> among similar particle size ranges. In this research, the dependence of k<sub>R</sub> on the physical structure and chemical composition of a number of woody materials was explored. Branches from two softwood species (Douglas fir and pine) and two hardwood species (aspen and poplar) were ground in a laboratory knife mill. The recorded data included power input, mass flow rate, and particle size before and after grinding. Nine material properties were determined: particle density, solid density (pycnometer and x-ray diffraction methods), microfibril angle, fiber coarseness, fiber length, and composition (lignin and cellulose glucan contents). The correlation matrix among the nine properties revealed high degrees of interdependence between properties. The k<sub>R</sub> value had the largest positive correlation (+0.60) with particle porosity across the species tested. Particle density was strongly correlated with lignin content (0.85), microfibril angle (0.71), fiber length (0.87), and fiber coarseness (0.78). An empirical model relating k<sub>R</sub> to particle density was developed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».