Characterization of the Effective Density for the Separation of Immersed Objects in the Gas–Solid Fluidized Bed Coal Beneficiator
Notice bibliographique
Résumé
Effective density for the separation of immersed objects which determines the performance of coal dry beneficiation is of primary importance for Gas–Solid Fluidized Bed Coal Beneficiator (GSFBCB) applications. Of all factors affecting the effective density, fluidization hydrodynamics and properties of medium particles and immersed objects play the dominant roles. By correlating all available experimental data found in the literature, a general correlation has been developed for the first time to predict the effective density for immersed object separation in fluidized beds, ρ sep = 0.95 ρ bed + 1.88 ρ drag, where ρ bed is the fluidized bed density, and ρ drag is the effective bed density contributed by fluidization hydrodynamics. This correlation could accurately predict the effective density for various immersed objects in fluidized beds with single or binary particle systems in existing experimental results. With wide applicability and great accuracy, the proposed correlation not only provides an efficient way for the design and operation of the GSFBCB for coal dry beneficiation but also is applicable for iron and copper ore pretreatment, agricultural crop cleaning, municipal solid waste classification, etc.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 tête enseignante, 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 ».