Influence Mechanisms of Additives on Coal-based Reduction of Complex Refractory Iron Ore
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
Additives play an important role in the recycling of complex refractory iron ore by coal-based reduction to improve the self-sufficiency rate of the ore. In this work, the influence mechanisms of CaF2, Na2CO3, and MgCO3 additives on the coal-based reduction of complex refractory iron ore were studied by x-ray diffraction, thermogravimetry and differential scanning calorimetry, scanning electron microscopy, and energy dispersive spectrometry. The results indicate the three additives could greatly improve the quality of reduction and magnetic separation products. A reduction product metallization degree 93.42%, iron grade 91.23%, and iron recovery 95.48% were obtained under conditions of CaF2 dosage 6%, reduction temperature 1225 °C, and reduction time 50 min. These results were 3.38%, 8.09%, and 0.39% higher, respectively, than could be obtained without additives. The CaF2, and the Na2O and MgO produced by the decomposition of Na2CO3 and MgCO3, could not only replace the FeO from (Mg,Fe)SiO4 and FeAl2O4, but also react with SiO2 and Al2O3 in ore to form their corresponding complex compounds. Moreover, all compounds were benefitted by the increase of the FeO content. The F− ion could replace the O2- ion in the silicon oxygen tetrahedron to reduce the viscosity and surface tension of reduced ore, thus reducing the resistance of iron particle aggregation and growth. In addition, the formation of a local micro melting phase under the action of additives could promote the diffusion of crystalline particles, which is more conducive to the reduction of iron minerals and the formation and growth of iron particles.
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) | 0,001 | 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