MétaCan
Menu
Retour à la cohorte
Enregistrement W3004905038 · doi:10.1016/j.ultsonch.2020.105003

Toward efficient interactions of bubbles and coal particles induced by stable cavitation bubbles under 600 kHz ultrasonic standing waves

2020· article· en· W3004905038 sur OpenAlexafffund
Yuran Chen, Chao Ni, Guangyuan Xie, Qingxia Liu

Notice bibliographique

RevueUltrasonics Sonochemistry · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCavitationStanding waveBuoyancyBubbleUltrasonic sensorHydrophoneMaterials scienceParticle (ecology)CoalSound pressureMechanicsSonoluminescenceAcousticsSonochemistryChemistryPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

The interactions of bubbles and coal particles in 600 kHz ultrasonic standing waves (USW) field has been investigated. A high-speed camera was employed to record the phenomena occurred under the USW treatment. The formation and behaviors of cavitation bubbles were analyzed. Under the driving of these cavitation bubbles, whose size is from several microns to dozens of microns, coal particles were aggregated and then attracted by large bubbles due to the acoustic radiation forces. The results of USW-assisted flotation show a significant improvement in recoveries at 600 kHz, which indicates that the interactions of bubbles and particles in the USW field are more efficient than that in the conventional gravitational field. Furthermore, the sound pressure distribution of the USW was measured and predicted by a hydrophone. The analysis of gravity and buoyancy, primary and secondary Bjerknes forces shows that bubble-laden particles can be attracted by the rising bubbles under large acoustic forces. This study highlights the potential for USW technology to achieve efficient bubble-particle interactions in flotation.

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 seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · 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

Citations22
Publié2020
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueUltrasonics SonochemistryMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207