| 摘 要： | 层状双金属氢氧化物（LDHs）作为一种性能优良的非贵金属电催化剂,在提高析氧反应速率、降低制氢成本等方面具备巨大优势,其粒度大小直接影响催化活性位点的有效暴露面积和本征结构,很大程度上决定了LDHs电催化析氧反应的活性时间和催化效率.因此,实现对LDHs粒度分布的在线检测对LDHs的合成控制与活性提升具有重要意义.根据LDHs粒度小、形貌特殊的特点,本文建立了一种基于超声衰减谱在线测量其在悬浮体系中粒度分布（PSD）的方法,该方法在LDHs粒度表征领域的应用尚属首次.利用超声衰减谱法对LDHs悬浮体系粒度分布进行测量的最大难点是传统ECAH模型需要首先已知难以获得的体系分散相和连续相的物性参数.本文采用主成分分析（PCA）结合误差反向传播（BP）神经网络建立了预测模型,并引入遗传算法（GA）对模型进行优化,解决了超声衰减谱法的难点,通过CoFeAl-LDH悬浮体系进行了验证.结果表明,PCA-GA-BP神经网络能有效对LDHs在悬浮体系中的粒度分布进行在线预测,预测值与真实值的峰形重合度高,峰高偏差小,两者的均方误差MSE为0.1497,模型拟合优度R2=0.9768,说明该方法可作为在线测量LDHs粒度分布的有效方式.
|
