Multi‐scale study of fluidized bed‐chemical vapour deposition process in nuclear fuel coated particle fabrication for high‐temperature gas‐cooled reactor: A review
Notice bibliographique
Résumé
Abstract Fluidized bed‐chemical vapour deposition (FB‐CVD) is a kind of key technology used widely in many application fields, such as semiconductors, nuclear energy, energy storage, and catalysts. In recent years, it has drawn much attention in the preparation of nuclear fuel coated particles (CP). It also has long played a crucial role in the preparation of high‐temperature gas‐cooled reactor (HTGR) fuel pebbles. The multi‐scale study of FB‐CVD technology has paid attention to the industrial fabrication of nuclear fuel particles at a large scale. In this paper, the recent FB‐CVD studies of different application fields are summarized first. Then, the recent works of our group in the field of FB‐CVD process in nuclear fuel particle fabrication are summarized. The FB‐CVD process in nuclear fuel particle fabrication and the multi‐scale study of the FB‐CVD process are overviewed in detail. Molecular dynamics (MD) simulation is used to study the CVD process of preparing the coating layer at the micro‐scale. Computational fluid dynamics–discrete element model (CFD‐DEM) simulation is used to study the high‐density particle fluidization, mixing particle fluidization, and particle coating process at the particle scale. Process simulation is used to study the entire FB‐CVD production line at the macro scale. Finally, the great application potential of the multi‐scale coupling study of the FB‐CVD process in the industrial fabrication of nuclear fuel particles is revealed. This paper is helpful to develop the academic research field of fluidized beds. It also has inspiration and reference significance for the expansion of other industrial applications of FB‐CVD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».