MétaCan
Menu
Retour à la cohorte

Dephosphorization Kinetics of Bloated Metal Droplets Reacting with Basic Slag Containing TiO<sub>2</sub>

2021· article· en· W3137239658 sur OpenAlexaff
Phillip Brian Drain, Kezhuan Gu, Neslihan Dogan, Raymond J. Longbottom, Michael W. Chapman, Brian J. Monaghan, Kenneth S. Coley

Notice bibliographique

RevueISIJ International · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensMcMaster University
Organismes subventionnairesAustralian Research Council
Mots-clésKineticsSlag (welding)SteelmakingChemistryMetalQuenching (fluorescence)Chemical kineticsOxidizing agentReaction rateMaterials scienceMetallurgyChemical engineeringAnalytical Chemistry (journal)ChromatographyFluorescenceCatalysis

Résumé

récupéré en direct d'OpenAlex

Although the dephosphorization kinetics of bloated metal droplets reacting with oxidizing slag have been studied in detail in the authors’ laboratory, the mechanism of reaction for slags in a basicity range typical of steelmaking, has been sparsely reported. The current study employed a high temperature furnace equipped with X-ray fluoroscopy to observe the bloating behavior of droplets and tracked dephosphorization kinetics by quenching and analyzing droplets after different reaction times. The mechanism of reaction between bloated metal droplets and slag was studied at 1923 K for slags with basicity range C/S=2.56. The rate and extent of dephosphorization was found to be greater in CMS slags compared to CAS slags due to the faster mass transport and a larger thermodynamic driving force. The kinetic analysis showed that the reaction proceeded in two distinct stages, a fast initial stage followed by a slower stage. The km during the first stage of dephosphorization was at least 8 times higher than that during the second stage. This is proposed to be due to a higher internal CO generation rate during the initial stage which increases the rate of surface renewal. The effect of TiO2 on dephosphorization kinetics was also investigated in terms of thermodynamic driving force.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,767

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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 tête enseignante, 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISIJ InternationalMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207