Recovery of valuable metals from cathode materials of spent ternary lithium‐ion battery using natural product as reducing reagent
Notice bibliographique
Résumé
Abstract In recent years, ternary lithium‐ion batteries (LIBs) have been vigorously promoted in the field of new energy vehicles for their excellent overall performance, and the rapid growth of battery production and sales has brought about a proliferation of spent LIBs. The recycling of cathode materials of spent ternary LIBs, which are rich in many valuable metal elements, will bring multiple environmental and economic benefits. In this paper, a systematic study of the key influencing factors in the wet leaching and recycling process was carried out. A natural product tea polyphenol was innovatively used as the reducing reagent, and a sulphuric acid–tea polyphenol leaching system was constructed for the reductive acid leaching of cathode materials of spent ternary LIBs. Under the optimum leaching conditions, the leaching efficiencies of lithium, nickel, cobalt, and manganese were 99.54%, 98.88%, 99.37%, and 98.45%, respectively. After leaching, a stepwise precipitation method was used to separate and recover the valuable metal ions from the leachate. In summary, an innovatively complete recycling process route for cathode materials of spent ternary LIBs was constructed, which provides a solid theoretical basis and technical support for the efficient and clean recycling of spent LIBs.
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 ».