MétaCan
Menu
Retour à la cohorte
Enregistrement W2914153404 · doi:10.1002/cjce.23472

Synthesis, characterization, and evaluation of high selectivity mixed molybdenum and vanadium oxide catalysts for oxidative dehydrogenation of propane

2019· article· en· W2914153404 sur OpenAlexvenueno aff
Hassan Alasiri, Shakeel Ahmed, Faizur Rahman, Adnan M. Al-Amer, Uwais B. Majeed

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysis and Oxidation Reactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCatalysisDehydrogenationVanadiumMolybdenumSelectivityPropaneInorganic chemistryVanadium oxideChemistryMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Molybdenum and vanadium oxide catalysts with varied compositions (Mo/V = 1/1, 7/3, 8/2, and 9/1) were prepared using a modified citrate‐nitrate auto‐combustion method for the oxidative dehydrogenation of propane to propylene. These catalysts were characterized by BET‐technique, TPR, XRD, SEM, Raman, and UV spectroscopy. The effects of washing and supercritical CO2 drying on catalysts during the preparation steps were investigated. Results show an interaction between the molybdenum and vanadium metal ions in all of these catalysts due to the presence of a peak at 785 cm−1 from the Raman study, which was assigned to a polymolybdovanadate species V‐O‐Mo vibration. This interaction could be efficient for alkane activation reaction. The catalysts were evaluated in a fixed bed micro‐reactor at temperatures in the range of 350–600 °C and at atmospheric pressure. The activity of the catalyst increased by increasing the molybdenum content. All of the catalysts in this study showed 100 % selectivity for propylene in the temperature range of 350–450 °C; however, the propylene selectivity was found to decrease with an increase in the temperature. The highest yield of 4.8 % with 100 % propylene selectivity was obtained for a catalyst with Mo/V ratio of 9:1 at 500 °C.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysis and Oxidation ReactionsTravaux en français237 207