Selective zinc recovery from spent alkaline batteries via multistage leaching with ammonium salts
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 recycling of metals from spent alkaline batteries is essential for their proper management and for promoting sustainable battery consumption. Hydrometallurgical recycling techniques, such as leaching, are becoming important in batteries recycling. In this study, Zn has been selectively recovered from the black mass (BM) of spent alkaline batteries via chelating leaching using ammonium salts as chelating agents in single and multistage leaching units. The effect of leaching agent concentration, temperature, solid/liquid (S/L) ratio, a neutral leaching pretreatment and addition of ammonium hydroxide (NH 4 OH) to the leaching solution on the selective Zn extraction was studied. Results of single-stage leaching revealed a maximum Zn extraction efficiency of 69.3 ± 0.4 wt % using a 2M ammonium carbonate ((NH 4 ) 2 CO 3 ) solution at 25 °C and S/L ratio of 1/10 (g of BM/mL of solution). The addition of NH 4 OH 1M increased Zn extraction to 79.0 ± 1.9 wt %. These single leaching conditions were used to test three multistage leaching systems: solid-flowing in series, liquid-flowing in series and solid-liquid countercurrent. The recovery efficiency was maintained and sometimes it was improved in multistep configurations, reaching a maximum recovery efficiency of nearly 90 wt%. Additionally, cumulative zinc extraction across the multistage leaching setups was as follows: 145.6 g Zn/kg BM in the 3-unit-solid-flowing in series, 433.5 g Zn/kg BM in the 4-unit-liquid-flowing in series, and 132.46 g Zn/kg BM in two-unit countercurrent leaching. These concentrations were obtained using a raw BM containing 240.9 g Zn/kg BM. These results show that zinc can be selectively extracted from matrices containing other metals, allowing the development of efficient and cost-effective methods for recycling resources from spent batteries.
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