MétaCan
Menu
Retour à la cohorte
Enregistrement W2810171983 · doi:10.1002/cjce.23293

Heterogeneous catalyst design: Zoned and layered catalysts in diesel vehicle aftertreatment monolith reactors

2018· article· en· W2810171983 sur OpenAlexaffvenue
Melanie J. Hazlett, William S. Epling

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation of Sri Lanka
Mots-clésCatalysisDiesel fuelDiesel particulate filterDiesel exhaustSelective catalytic reductionMonolithParticulatesDiesel engineGasolineChemical engineeringDiesel exhaust fluidWaste managementEnvironmental scienceMaterials scienceChemistryAutomotive engineeringEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract There have been ongoing research efforts focused on layering or zoning different washcoats/active metals on the catalysts constituting diesel aftertreatment systems: the diesel oxidation catalyst (DOC), the selective catalytic reduction (SCR) catalyst, the lean NO X trap (LNT), the ammonia slip catalyst (ASC), and the diesel particulate filter (DPF). This review paper aims to shed insight into the state‐of‐the‐art research on catalyst design in this area and how these catalyst designs may evolve to tackle engine emission reductions in the future. First, we discuss the motivation for zoning or layering catalysts and pioneering work on three‐way catalyst (TWC) design for reducing gasoline engine emissions; then, we focus on the catalytic systems used for diesel exhaust aftertreatment. The configuration of the aftertreatment systems for diesel engines generally consist of an oxidation catalyst for hydrocarbon (HC), CO, and NO oxidation (over the DOC), a NO X reduction catalyst (over one or combined SCR/LNT/ASC catalysts), and a particulate matter (PM) filter (using a DPF). The research to date consistently demonstrates that zoning and layering catalyst regions leads to improved performance and/or smaller system volumes required.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · 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

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207