Optimization of metals and rare earth elements leaching from spent Ni-MH batteries by response surface methodology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rechargeable battery market has almost doubled in 15 years. Regardless of the type of batteries, their limited lifespan means that sooner or later they will constitute a mass of waste whose management is problematic as their content is high in elements and metals of high economic interest, but also toxic to the environment. This project is to optimize the solubilization conditions for rare earth elements (REEs) and other metals from waste nickel-metal hydride (Ni-MH) batteries. The Ni-MH battery powder used contained the following main elements: Ni (548 g/kg), La (45 g/kg), Co (32 g/kg), Zn (22 g/kg), Nd (15 g/kg), Sm (12 g/kg), and Ce (11 g/kg). The metals were solubilized in the presence of sulfuric acid. Acid concentration, solids concentration, leaching time, and temperature were optimized using the Box–Behnken design methodology. The optimal conditions identified are an H2SO4 concentration of 2 M, a S:L ratio of 10% (w:v), a leaching temperature of 60°C and a reaction time of 90 min. These conditions make it possible to solubilize 81% Ni, 99% Co, and 70% REEs, while the mathematical model predicted 83% Ni, 100% Co, and 80% REEs respectively. The process was also operated in counter-current leaching mode with the optimal parameters. The high solubilized yields obtained after five loops for all metals, REE and the significant reduction of water consumption confirm that this process leaching can be apply for industrial application.
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.
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 | 0,000 | 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 découle