Enhanced low‐temperature Selective Catalytic Reduction (SCR) of NO<sub>x</sub> by CuO‐CeO<sub>2</sub>‐MnO<sub>x</sub>/γ‐Al<sub>2</sub>O<sub>3</sub> mixed oxide catalysts
Notice bibliographique
Résumé
A series of CuO‐MnOx‐CeO2/γ‐Al2O3 catalysts in different ratios were synthesized by a sol‐gel method with the purpose of improving the low‐temperature denitration performance (loading a transition mental oxide (MnOx, CeO2) on a CuO/γ‐Al2O3 copper‐based catalyst). The denitration performance of a low‐temperature SCR under the condition of simulated flue gas was measured using the programmed heating method in the catalytic reaction efficiency evaluation system. The denitration efficiency of the 6 % CuO‐5 % MnOx‐10 % CeO2/γ‐Al2O3 catalytic particles was maintained at over 80 % within a temperature range of 100–200 °C. The catalysts were characterized by surface area analysis (BET), x‐ray diffraction (XRD), and scanning electron microscopy (SEM). The best surface structure characteristics include the 5 % MnOx + 10 % CeO2 loading capacity of the catalyst, which was indicated by a BET analysis. The catalyst surface structure characteristics were effectively promoted by the amount of CeO2 and MnO2 loading proved by the SEM analysis. The possible mechanisms involved in SCR denitration at a low temperature were also discussed. The experimental results revealed that the catalyst granule with perfect surface characteristics and pore features was successfully synthesized by the sol‐gel method. The denitration performances were restrained by 10 % of H2O and 800 mg · m−3 of SO2, indicating that SO2 and H2O have an inhibiting effect on NOx conversion.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».