MétaCan
Menu
Retour à la cohorte
Enregistrement W4409501717 · doi:10.5006/c2022-18010

Corrosion Performance of Reactor Candidate Alloys During Hydrothermal Liquefaction (HTL) of Cellulose in a Batch Reactor

2022· article· en· W4409501717 sur OpenAlexaff
Haoyu Wang, Kaiyang Li, Haoyang Li, Minkang Liu, Yimin Zeng, Chunbao Xu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of AlbertaWestern University
Organismes subventionnairesnon disponible
Mots-clésHydrothermal liquefactionHydrothermal circulationMaterials scienceCorrosionCelluloseBatch reactorLiquefactionMetallurgyChemical engineeringWaste managementChemistryBiofuelCatalysisEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Hydrothermal liquefaction (HTL) is seen as a promising thermochemical approach to convert wet and waste biomass feedstocks into biocrude oils and other valuable chemicals. One of the critical technical barriers that must be addressed for the industrial deployment of HTL technology is the corrosion of process core equipment, especially the refining reactors, due to the presence of the hot-compressed water medium, applied alkali catalyst, and aggressive intermediate and final products (such as aggressive sulfur and/or chlorinated compounds, organic acids) generated during the conversion. In this study, the corrosion performance of two candidate alloys (UNS N06625 and UNS R20033) was investigated in a batch reactor containing hot-compressed water, 5 wt.% K2CO3 catalyst and cellulose (a typical model compound of lignocellulosic biomass). Certain amounts of organic acids and phenolic compounds were present in the produced oil, implying the change of environmental pH (from mild basic to near neutral) during the conversion. The two tested alloys experienced general oxidation associated with localized oxide peel-off or nodular oxidation. Due to its higher Cr content, UNS R20033 had a lower corrosion rate compared to UNS N06625 under the HTL of cellulose.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,184
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207