MétaCan
Menu
Retour à la cohorte
Enregistrement W4293309900 · doi:10.1002/cjce.24615

On the fluidization of cohesive powders: Differences and similarities between micro‐ and nano‐sized particle gas–solid fluidization

2022· article· en· W4293309900 sur OpenAlexvenueno aff
Rens Kamphorst, Kaiqiao Wu, Samir Salameh, Gabrie M.H. Meesters, J. Ruud van Ommen

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensnon disponible
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk OnderzoekMinisterie van Economische Zaken en KlimaatMinisterie van Economische Zaken
Mots-clésFluidizationAgglomerateEconomies of agglomerationMaterials scienceRange (aeronautics)van der Waals forceParticle sizeParticle (ecology)NanotechnologyFluidized bedMechanicsComposite materialChemical engineeringThermodynamicsChemistryGeologyPhysicsEngineeringMolecule

Résumé

récupéré en direct d'OpenAlex

Abstract The fluidization of cohesive powders has been extensively researched over the years. When looking at literature on the fluidization of cohesive particles, one will often find papers concerned with only micro‐ or only nano‐sized powders. It is, however, unclear whether they should be treated differently at all. In this paper, we look at differences and similarities between cohesive powders across the size range of several nanometres to 10s of micrometres. Classification of fluidization behaviour based on particle size was found to be troublesome since cohesive powders form agglomerates and using the properties of these agglomerates introduces new problems. When looking at inter‐particle forces, it is found that van der Waals forces dominate across the entire size range that is considered. Furthermore, when looking into agglomeration and modelling thereof, it was found that there is a fundamental difference between the size ranges in the way they agglomerate. Where the transition between the types of agglomeration is located is, however, unknown. Finally, how models are made and agglomerate sizes are measured is currently insufficient to accurately predict or measure their sizes consistently.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,310

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 Opus0,009
Tête enseignante GPT0,172
Écart entre enseignants0,163 · 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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetGranular flow and fluidized bedsTravaux en français237 207