RF-ICP Thermal Plasma for Thermoplastic Waste Pyrolysis Process with High Conversion Yield and Tar Elimination
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper demonstrates an RF thermal plasma pyrolysis reaction apparatus that achieves 89 wt.% reaction conversion yield with no tar content. The demonstrated experimental apparatus consists of a 1100 W RFVII Inc. (104 Church St, Newfield, NJ 08344, United States) @ 13.56 MHz RF thermal plasma generator, a Navio matching network, intelligent feedback controller, and an 8-turn copper RF-ICP torch embedded in a 12 L thermochemical reactor. The intelligent feedback controller optimizes the thermal performance based on feedback signals from three online gas analyzers: CO, CO2 and NOx. The feedback controller output signal controls the RF thermal plasma torch current that provides real-time temperature control. The proposed reaction system achieves precise temperature profiles for both pyrolysis and gasification as well as increases end-product yield and eliminates undesired products such as tar and char. The identified hydrocarbon liquid mixture is 90 wt.% gasoline and 10 wt.%. diesel. The 8-turn RF-ICP thermal plasma torch has an average heating rate of +35 °C/min and a maximum operating temperature of 2000 °C and is able to sustain stable flame for more than 30 min. The reaction operating parameters are (550–990 °C τ = 30 min for pyrolysis and (1300 °C τ = 1 sec) for the gasification process. The identified hydrocarbon liquid products are 90 wt.% of a n-butyl-benzene (C6H5C4H9) and oluene (C7H8) mixture with less than 10 wt.% decane diesel fuel (C10 H22). Comsol simulation is used to assess the RF-ICP thermal plasma torch’s thermal performance.
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.
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 | 0,000 | 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 découle