Single feed droplet–catalyst particle collision in a liquid containing gas–solid fluidized bed to convert fructose to value-added chemicals
Notice bibliographique
Résumé
Carbohydrates, comprising C6 sugars, dehydrate to form furfural (FUR) and 5- hydroxymethyl furfural (HMF). HMF is an intermediate for value-added specialty chemicals like 2,5-diformyl furan (DFF) and 2,5-furandi carboxylic acid, a monomer for polyethylene furaonate. Atomizing sugar solutions into catalytic fluidized beds operating beyond the caramelization temperature, T carm , accelerates reaction rates while avoiding humins, which are color forming agents characteristic of liquid phase processes. However, droplets partially coat particles in the spray zone and agglomerate due to liquid cohesive forces, which reduces heat transfer rates at the micro-scale and degrades reaction rates at the macro-scale. Here, we developed a CFD model to study the collision between a single feed droplet and a catalytic particle above T carm . We focused on evaluating the evaporation rate and heat transfer between the droplet and particle to promote vaporization the liquid feed, and assessing the impact of bed temperature, liquid feed rate, and superficial gas velocity. The highest DFF and furfural selectivity obtained are 17 % and 24 %, respectively, and these values are correlated to the maximum coke formation and agglomeration of 0.6 % and 12 g. However, the corresponding heat transfer and mass transfer are among the lowest values of 40 % and 0.5 W. • A CFD model simulated droplet–particle collisions dynamic in a hot environment. • Increasing N We , reduces tension force domination (droplets wrap particles entirely). • Higher Weber number increases dynamic, heat transfer and vaporization. • The Leidenfrost effect drops the heat transfer and evaporation in 0.1 ms. • Higher heat transfer/vaporization, less product selectivity/coke formation/agglomeration.
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 ».