MétaCan
Menu
Retour à la cohorte
Enregistrement W2770462674 · doi:10.1021/acs.iecr.7b04056

Effect of Fluidization Pressure on Electrostatic Charge Generation of Polyethylene Particles

2017· article· en· W2770462674 sur OpenAlexafffund
Di Song, Poupak Mehrani

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrohydrodynamics and Fluid Dynamics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationUnivation Technologies
Mots-clésFluidizationPolyethyleneCharge (physics)Materials scienceChemical engineeringChemistryChemical physicsMechanicsThermodynamicsComposite materialOrganic chemistryFluidized bedPhysics

Résumé

récupéré en direct d'OpenAlex

Electrostatic charge generation in gas–solid fluidized beds results in operational challenges in some industrial processes such as polyethylene production. Such reactors operate at elevated pressures, and thus, the aim of this work was to investigate fluidized bed electrification at pressurized conditions. The degrees of particles’ charging and wall coating in a pressurized pilot-scale gas–solid fluidized bed of polyethylene resin was studied from atmospheric pressure to 2600 kPa (abs), while the gas bubble dynamics was concurrently measured by an optical fiber probe. The average gas bubble size was found to be larger at atmospheric condition along with the frequency of large bubbles, resulting in a larger degree of particle-wall contacts. The degree of fluidized bed wall coating increased with the increase of pressure. This finding was related to the decline in the gas bubble size and the increase in frequency of small bubbles found at elevated pressures, which promoted particle–particle contacts, and thus promoted bipolar charging. Bipolar charging was detected with particles that fouled on the column wall with small particles being negatively charged.

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)0,001
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 enseignants0,363
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,309
Écart entre enseignants0,267 · 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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetElectrohydrodynamics and Fluid DynamicsTravaux en français237 207