MétaCan
Menu
Retour à la cohorte
Enregistrement W3043178619 · doi:10.1080/08827508.2020.1793144

Influence Mechanisms of Additives on Coal-based Reduction of Complex Refractory Iron Ore

2020· article· en· W3043178619 sur OpenAlexaff
Peng Gao, Wentao Zhou, Yuexin Han, Yanjun Li, Chengwen Zhang

Notice bibliographique

RevueMineral Processing and Extractive Metallurgy Review · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésIron oreChemistryDecompositionDifferential scanning calorimetryScanning electron microscopeThermogravimetryChemical engineeringCoalMetallurgyMaterials scienceInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

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.

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
Bibliométrie0,0000,000
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 Opus0,044
Tête enseignante GPT0,305
Écart entre enseignants0,261 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineral Processing and Extractive Metallurgy ReviewMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207