MétaCan
Menu
Retour à la cohorte
Enregistrement W2770686679 · doi:10.1002/srin.201700363

Effects of Pre‐Reduction Degree of Ironsand on Slag Properties in Melting Separation Process

2017· article· en· W2770686679 sur OpenAlexaff
Zhenyang Wang, Jianliang Zhang, Kexin Jiao, Zhengjian Liu

Notice bibliographique

Revuesteel research international · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSlag (welding)Materials scienceSmeltingDegree (music)Softening pointMetallurgySofteningDegree of polymerizationMetalMelting temperatureOxidePolymerizationComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

Ironsand is a kind of titanomagnetite ore and has been maturely used through direct reduction (DR) and melting separation (MS) processes. As an intermediate parameter, pre‐reduction degree (PRD) can be controlled in the upstream DR, and has a considerable influence on metal/slag separation in subsequent MS. Thus, the effects of PRD on the properties of melting separation slag from pre‐reduced ironsand are studied in order to ensure the melting separation sufficient at the condition of slag with high titanium oxide content. The softening, melting, and flowing temperatures of slag show different variation trends along with PRD changing, and the slag at 90% PRD has the narrowest softening‐flowing temperature interval. The viscosity of slag of 90% PRD also shows the proper smelting characteristic. Moreover, Raman spectra results indicate the increase PRD reduces the depolymerized product Si–O–M (metal), which is mainly caused by the decreasing of network‐modifier FeO. Polymerization degree ψ (( Q 3 + Q 2 )/( Q 1 + Q 0 )) illustrates the high PRD is consistent with the complicated silicon network structures, especially when PRD is larger than 90%.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,223

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
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 Opus0,083
Tête enseignante GPT0,386
Écart entre enseignants0,303 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207