Reduction of Typical Diesel NOx Emissions by SCR-NH3 Using Metal-Exchanged Natural Zeolite and SBA-15 Catalysts
Notice bibliographique
Résumé
In this work, the catalytic performance of clinoptilolite (CLIN) and SBA-15 catalysts, doped with Fe and Cu, was evaluated in the selective catalytic reduction of NO using NH3 as a reducing agent (SCR-NH3). Both Cu-CLIN and Fe-CLIN were obtained by ion-exchange using natural clinoptilolite zeolite originating from the Hrabovec deposit (northeast Slovakia region). Cu-SBA-15 and Fe-SBA-15 were prepared by impregnation into SBA-15 mesoporous synthesized silica. Standard catalytic activity tests were carried out on a bench-scale laboratory apparatus using a reaction mixture of a standard test. GHSV of 48,000 h−1 was adopted based on the space velocity of a real NH3-SCR catalyst for diesel vehicles (100–550 °C). All Cu-doped samples showed better NO conversion values than Fe-doped samples. Clinoptilolite catalysts were more active than those based on SBA-15. Maximum NO conversions of about 96% were observed for Cu-CLIN and Fe-CLIN at 350–400 °C, respectively. Moreover, Fe-CLIN also showed higher stability in the presence of SO2 and water steam at 350 °C. These results demonstrate the potential of metal-doped natural clinoptilolite to be used as cost-effective catalysts applied to the abatement of NOx emissions generated in automotive combustion processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».