Iron nanoparticles have attracted considerable interest as catalysts for the production of high-value materials such as carbon nanotubes. Because the specific surface area is a key property for catalytic performance, both theoretical and experimental studies have focused on understanding how operating conditions influence the surface-to-volume ratio during iron nanoparticle production. This thesis presents a kinetic-based discrete sectional model that investigates the evolution of primary particle size through a detailed analysis of iron precursor decomposition, particle inception, surface growth, and coagulation mechanisms. The proposed model is implemented within the OpenSMOKE++ framework and expressed in CHEMKIN® format. Validation against literature data for different iron precursors enables an assessment of the model’s generality. Future developments will extend the model by incorporating the fractal-like structure of aggregates and particle morphology.
Le nanoparticelle di ferro hanno suscitato un crescente interesse grazie alla loro vasta gamma di applicazioni, in particolare per il loro impiego come catalizzatori nella produzione di materiali avanzati, come i nanotubi di carbonio. Poiché la superficie specifica rappresenta una proprietà fondamentale per le prestazioni catalitiche, diversi studi teorici e sperimentali si sono concentrati sulla comprensione di come le condizioni operative influenzino il rapporto superficie-volume durante la produzione di nanoparticelle di ferro. Negli ultimi anni, la ricerca si è concentrata sull’implementazione di nuove tecniche e modelli in grado di prevedere la distribuzione delle nanoparticelle di ferro a partire dalla decomposizione di un precursore contenente lo stesso elemento. Il presente lavoro di tesi si propone di sviluppare un modello cinetico a sezioni discrete volto a descrivere l’evoluzione della dimensione delle particelle primarie, attraverso un’analisi dettagliata dei meccanismi che si susseguono, quali la decomposizione del precursore di ferro, la fase di nucleazione, di crescita superficiale e dei meccanismi di coagulazione. Il modello proposto è implementato attraverso l’utilizzo del software OpenSMOKE++ e scritto in formato CHEMKIN®. La conseguente validazione rispetto ai dati sperimentali presenti in letteratura, ottenuti partendo da due differenti precursori a base di ferro, consente di valutare la generalità del modello. Gli sviluppi futuri del modello prevedono l’inclusione della struttura frattale degli aggregati e della morfologia delle particelle.
Novel kinetic-based sectional model for iron nanoparticles formation and growth
RICCIARDI, AMALIA
2024/2025
Abstract
Iron nanoparticles have attracted considerable interest as catalysts for the production of high-value materials such as carbon nanotubes. Because the specific surface area is a key property for catalytic performance, both theoretical and experimental studies have focused on understanding how operating conditions influence the surface-to-volume ratio during iron nanoparticle production. This thesis presents a kinetic-based discrete sectional model that investigates the evolution of primary particle size through a detailed analysis of iron precursor decomposition, particle inception, surface growth, and coagulation mechanisms. The proposed model is implemented within the OpenSMOKE++ framework and expressed in CHEMKIN® format. Validation against literature data for different iron precursors enables an assessment of the model’s generality. Future developments will extend the model by incorporating the fractal-like structure of aggregates and particle morphology.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Amalia_Ricciardi.pdf
solo utenti autorizzati a partire dal 19/11/2026
Descrizione: Testo tesi
Dimensione
6.74 MB
Formato
Adobe PDF
|
6.74 MB | Adobe PDF | Visualizza/Apri |
|
Executive_Summary___Amalia_Ricciardi.pdf
solo utenti autorizzati a partire dal 19/11/2026
Descrizione: Testo executive summary
Dimensione
1.15 MB
Formato
Adobe PDF
|
1.15 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/247472