中空MOFs材料制备及电催化应用的研究进展

水分裂、金属-空气电池和燃料电池等能源转换技术对解决未来的能源危机和环境问题至关重要.氧还原反应(ORR)、氧析出反应(OER)和氢析出反应(HER)作为其核心反应,存在反应动力学速率较慢的问题,因此,开发研制高效的非贵金属电催化剂具有重要意义.金属有机骨架(MOFs)材料因具有高度可调的组成和多孔晶体结构,在不同的应用领域引起了越来越多的关注.中空MOFs纳米材料具有MOFs材料高度可调的组成和结构优势,又具有中空结构纳米材料的优点(如更快的物质传输、更丰富的孔隙率、灵活多变的活性组分、更多的暴露活性位点及对苛刻条件的更好相容性等),在电催化领域显现出巨大的应用潜力.本文对近几年来基于中空结构MOFs材料的制备及在电催化方面应用的研究进展进行了综合评述,并对该领域面临的挑战和发展前景进行了总结和展望.     

色谱在药物-机体复杂巨系统研究中的应用进展

色谱是一门以分离分析为主,旨在追求复杂事物纯而净的分析化学的重要分支学科。其经过百余年的发展,理论与技术日臻完善,集科学、技术与艺术于一体。近年来,色谱及其与质谱、核磁共振波谱、原子发射光谱等联用技术极大推动了环境、食品、石油化工、生物医药等领域中所涉及复杂体系的研究进展。作为我国传统文化的核心代表,中医药为中国乃至世界人民的健康服务逾千年,从古至今历经上千年临床考验,疗效经久不衰。近年来,中国政府强调继承与创新,加大推进中医药的现代化与国际化。然而中药自身的多成分协同起效复杂性及其与机体时刻新陈代谢变化的复杂性往往相互作用,由此形成了药物-机体复杂巨系统。该复杂巨系统的分析研究是中医药现代化进程的关键瓶颈。色谱的优势在于复杂成分的分离与分析,此恰能为上述复杂巨系统提供技术支撑,色谱及其联用技术已成为推动中医药分子化、数字化、信息化乃至现代化的主流技术。该文综述了色谱及其联用技术在中药复杂体系、复杂生命过程及药物-机体复杂巨系统中的应用进展,介绍了笔者研究团队对中医药现代化的认识、研究思路和研究工作,最后笔者结合对于百年色谱与千年中医药文化之现代化交织的感悟,对色谱技术在此领域的前景做出了展望。     

稀土金属-有机框架在同分异构体传感材料中的应用

基于稀土金属离子独特的电子结构,稀土金属-有机框架的光致发光具有发射峰尖锐、量子产率高和发光寿命长等特点,可应用于针对特定功能化学物种的光学传感材料。稀土金属离子高的配位数和丰富的配位模式,使得稀土金属-有机框架具有结构多样性和可调性,可与不同的化学物种在结构和能级两个方面相匹配,是其具有传感功能的基础。关于同分异构体的识别,尤其是针对同类同分异构体的快速识别,在化工和制药等领域均具有重要的价值。本文综述了稀土金属-有机框架针对具有特定功能同分异构体的传感性质,并讨论了其相关传感机制。     

一步法合成微-介孔多级孔道金属-有机骨架固载磷钨酸催化剂及其催化性能

磷钨酸具有酸性,而且具有氧化还原性,是一种多功能的新型催化剂,具有很高的催化活性,稳定性好,既可作均相催化剂,也可做多相催化剂.磷钨酸作为多相催化剂主要负载于无机氧化物、介孔分子筛、活性炭和离子交换树脂等材料中,然而这些多相催化剂存在着结构不明确,磷钨酸分散不均、易流失、活性点易中毒等问题.为了克服以上问题,需要寻找更加合适的载体来制备新颖的负载型的磷钨酸多相催化剂,金属-有机骨架的独特性质,使该材料成为一种优良的催化剂载体.金属-有机骨架(MOFs)又称配位聚合物,是指由金属离子与有机配体通过配位键和其他一些弱作用力连接而成的具有超分子微孔网络结构的一种颇具应用前途的类沸石材料.这种材料具有丰富的孔结构和很大的比表面积,同时具有孔结构规整、孔径大小设计可调、表面化学基团修饰可调等优点,使得它在吸附分离、多相催化、环境保护等领域具有很好的应用前景. HKUST-1(Cu-BTC或MOF-199)是该领域内研究和应用较多的一种金属-有机骨架材料,它最早由香港大学Williams教授课题组报道,其为面心立方晶体.在结构中,每个Cu2簇与四个均苯三甲酸相连,每个均苯三甲酸桥连着三个Cu2簇,形成轮浆式次级结构单元.这些次级结构单元相互交错连接形成3D网络结构,具有孔径约为0.9 nm ×0.9 nm的正方形孔道,孔道中的客体分子可以除去,并可以为其它的客体分子所置换. HKUST-1本身即是一种优良的催化剂,同时也可作为一种性能稳定的催化剂载体.目前,关于HKUST-1在催化领域中的应用主要限制在微孔范围,其较小的孔道不利于物质扩散和传输,从而限制其实际应用.本论文利用超分子模板法,以十六烷基三甲基溴化铵(CTAB)为模板剂、铜为金属中心、均苯三甲酸为有机配体、磷钨酸(HPWs)为活性组分,采用一步水热法合成微-介孔多级孔道金属-有机骨架固载磷钨酸催化剂HPWs@Meso-HKUST-1,详细研究了该催化剂对环戊烯选择氧化制备戊二醛的催化性能,并采用X射线粉末衍射(XRD)、傅里叶红外光谱(FT-IR)、N2吸附、透射电镜(TEM)和室温CO原位吸附红外(CO-FT-IR)等表征手段对HPWs@Meso-HKUST-1催化剂进行了结构表征,从而解释该催化剂对目标反应具有优良催化性能的本质原因. N2吸附表征结果说明, HPWs@Meso-HKUST-1催化剂的吸附-脱附曲线在低相对压力范围内呈现I型吸附等温线,在高相对压力范围内呈现具有H2型滞后环的IV型吸附等温线;催化剂独特的吸附等温线表明以CTAB为模板剂,采用一步水热合成法可以得到具有微孔和介孔多级孔道的催化剂材料.催化剂的比表面积和孔容随着磷钨酸含量的增加而减少,结合文献报道,可以得出一步水热合成法使活性组分HPWs分布在载体的介孔孔道内. XRD和FT-IR测试结果表明,一步水热合成法可以成功的将HPWs引入HKUST-1中,且HPWs高度分散在载体中; HPWs@Meso-HKUST-1催化剂保持了载体HKUST-1的骨架结构.小角XRD和TEM结果说明,催化剂的多级孔结构为无序蠕虫状介孔组织.室温CO-FT-IR说明,在HPWs@Meso-HKUST-1催化剂中, HPWs提供了不同于载体HKUST-1的L酸酸性位.从以上结果可以得出,一步水热合成法使HPWs包裹在载体的介孔孔道内,防止了HPWs的流失,使HPWs@Meso-HKUST-1催化剂为环戊烯选择氧化制备戊二醛提供了大量的、高度分散的、具有L酸酸性位的活性中心,且催化剂的介孔孔道有利于反应物和产物的扩散,从而使该催化剂表现出优良的催化性能;在优化条件下,环戊烯的转化率达到92.5%,戊二醛的得率达到78.9%;热过滤实验表明该催化剂是真正的多相催化剂,且至少可以重复使用3次.     

硫酸镉无机层和原位反应生成的吡啶基四氮唑有机配体构筑的两个层-柱状三维无机-有机杂化材料:合成和表征

以硫酸镉、叠氮化钠和4-氰基吡啶或3-氰基吡啶为反应物,在水热条件下,通过原位反应分别得到了2个基于硫酸根离子和5-(4-吡啶基)四氮唑(4-Hptz)或5-(3-吡啶基)四氮唑(3-Hptz)配体的,具有三维层-柱状框架结构的无机-有机杂化材料,即[Cd₂(H₂O)(OH)(SO₄)(4-ptz)]_n(1)和[Cd₂(OH)(SO₄)(3-ptz)]_n(2)。通过元素分析、红外光谱、热重分析以及单晶和粉末X-射线衍射分析对它们的组成和结构进行了表征。在配合物1和2的结构中,每个镉(Ⅱ)离子的配位数均为6,处于扭曲的八面体配位环境中,SO₄^2-和OH-阴离子连接镉(Ⅱ)离子扩展形成碱式硫酸镉的二维无机阳离子层结构[Cd₂(H₂O)(OH)(SO₄)]_nⁿ⁺(1)或[Cd₂(OH)(SO₄)]_nⁿ⁺(2),相邻的二维无机阳离子层间再通过4-ptz^-(1)或3-ptz^-(2)进一步柱连接,形成三维层-柱状结构的无机-有机杂化框架结构。室温下的固体荧光实验表明,在350nm的光激发下,配合物1和2分别在481和489nm处出现强烈的荧光发射。     

基于SVM的结构可靠度分析响应面方法

响应面法是解决隐式极限状态方程结构可靠度分析问题比较理想的方法,其关键问题是响应面函数的重构。根据响应面方法经验点集的小样本特点,利用支持向量机(SVM)对小样本数据良好的学习和泛化能力,用SVM重构结构响应面方程,建立了基于SVM的隐式极限状态方程结构可靠度分析的响应面方法。在此基础上,文中提出了改进SVM响应面方法,改进的方法充分利用每次有限元计算成果,大幅减少了有限元计算次数。算例表明本文方法具有很好的计算精度和计算效率。     

四氧杂卟啉二价正离子共振拉曼光谱的TDDFT计算研究

采用DFT/TDDFF计算和极化率的态求和方法研究了四氧杂卟啉二价正离子(TOP²⁺)B态(S₂态)激发的共振拉曼(RR)光谱, 计算模型同时处理了A项和B项对拉曼极化率的贡献.用PBE1PBE、B3LYP、Cam-B3LYP、B3LYP-D3四种交换-相关泛函计算得到的RR光谱总体上相似,其中PBE1PBE和B3LYP 给出的RR 强度与实验吻合得更好一些. 对于全对称振动(A_1g),其拉曼谱带相对强度的理论计算结果与实验一致;TDDFF计算表明： 相对于基态,TOP²⁺的B态沿υ2、υ6、υ7、υ8简正模式有较大的无量纲位移, 导致相应的RR带有较大的强度. 非全对称的B_1g和B_2g 模式通过B项机理增强,其强度比A_1g模式小1～2个量级,与实验结果定性符合. 与实验相比,υ10模式(B_1g)RR强度的理论值过小,而υ11模式(B_1g)的理论值偏大;这可能是由于TOP²⁺的B-态(S₂态)具有Jahn-Teller效应.     

一种预测接地网腐蚀速率的新方法

针对目前接地网腐蚀预测中的涉及因素较多,提出了基于向量相似度与支持向量回归机(S-SVR)的综合的预测方法应用于变电站接地网腐蚀速率预测模型中.首先将影响接地网腐蚀速率的指标视为1个特征向量并进行无量纲化处理,其次计算各个训练站点的特征向量与实测站点指标向量的相似度;再次,在预测腐蚀速率时,针对传统线性贡献度平均法(LAM)描述非线性存在较大误差的缺陷,提出了先筛选相似度较高训练集再结合支持向量回归机训练模型.经验证,基于向量相似度与支持向量回归机(S-SVR)的综合预测方法预测能力较好.     

模拟退火优化SVM参数的变压器故障诊断

利用群智能算法优化支持向量机(SVM)参数往往需要引入额外的变量,使变压器故障诊断问题更加复杂,对此提出一种自适应的模拟退火算法优化(ASA)支持向量机参数。通过设计自适应的冷却进度表,使得寻参的过程仅仅依赖于退火速率以及网格搜索粒度,保持了较少的参数设置。在相关数据集上的实验表明,与已提出的粒子群算法(PSO)、遗传算法(GA)相比,ASA算法具有更快的收敛速度以及较好的诊断精度。利用自适应的模拟退火算法能够较好的优化SVM参数并提高变压器故障诊断的精度。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。