Performance of Low‐temperature SCR of NO with NH<sub>3</sub> over MnO<i>x</i>/Ti‐based catalysts
Notice bibliographique
Résumé
ABSTRACT The effects of Mn loadings and precursors, catalyst preparation methods, incineration durations and temperatures, and the addition of Co and Ce on NO‐reduction efficiency and selectivity (N 2 O formation) during the preparation of MnO x /Ti‐based catalysts were studied by micropore‐size analysis (XRD, XPS, SEM, and FTIR), while considering changeable parameters. Meanwhile, the performance of low‐temperature SCR of NO with NH 3 over the designed catalysts was tested under various gas hourly space velocities (GHSVs), NH 3 /NO molar ratios, and contents of NO, NH 3 , O 2 , H 2 O, and SO 2 in a lab‐scale reactor. Overall, the Mn(0.3)Ce(0.1)/Ti catalyst, which had high NO‐reduction efficiency and selectivity (low N 2 O formation), was recommended, with the following preparation methods: ultrasonic impregnation; manganese acetate precursor; and incineration at 500 °C. Appropriate textural properties (high surface area and small pore and crystallite sizes), well‐dispersed amorphous manganese (rather than crystalline) on the anatase surface (rather than rutile), abundant active sites, and long residence time are essential for high NO‐reduction efficiency. In practice, NO‐reduction efficiency decreased with increasing GHSV and the NH 3 and NO contents; however, it initially increased and then became saturated with an increasing NH 3 /NO molar ratio and O 2 content. Water deactivated the catalyst to a recoverable state, whereas SO 2 resulted in unrecoverable deactivation.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,000 | 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 ».