Analysis and Prediction of Corrosion of Refractory Materials by Potassium during Biomass Combustion-Thermodynamic Study
Notice bibliographique
Résumé
As a kind of renewable resource, biomass has been used more and more widely, but the potassium contained in biomass can cause corrosion of the refractory. For a better understanding of corrosion thermodynamic mechanisms, the five components of common refractory materials (magnesium chrome spinel MgO·Cr2O3, magnesium aluminum spinel MgO·Al2O3, Al2O3, MgO, and Cr2O3) with potassium salts (K2CO3, K2SO4, and KCl) under high-temperature were studied by using the FactSageTM 7.0 software. Thermodynamic calculation results indicate that MgO is the best corrosion resistance of the five components of refractory materials. Based on the obtained results, the corrosion experiments in the laboratory were carried out (muffle furnace or high-temperature tube furnace) for corrosion reaction of KCl and MgO. The chemical compositions of the corroded samples were analyzed by X-ray diffraction (XRD). Under laboratory conditions (600–1200 °C), no corrosion products have been observed in the high-temperature corrosion experiments. The result indicates that to prevent the corrosion processes, refractories should contain as much MgO as possible.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».