山西典型无烟煤灰流动性的调控

为满足气化炉液态排渣的要求,考察和比较了CaO、MgO和Fe₂O₃三种助熔剂对山西典型无烟煤煤灰流动性(熔融性和黏温特性)的影响.研究发现,MgO对硅铝比在1.2~2.0的高硅铝煤灰的流动温度降低最有效,其次为CaO和Fe₂O₃,这是由于使用各种助熔剂时生成不同的高温稳定矿物组分造成的.针对三种助熔剂建立了流动温度和完全液相温度的关系式,并得到了CaO和Fe₂O₃含量与流动温度的关系:FT = 1 593-9.573 × w_CaO (R²=0.9429) 和FT =1 576-8.330 6 × w_Fe2O3 (R²=0.955 9),可以用于指导助熔剂的添加.CaO无论从降低黏度数值或降低临界黏度温度都具有最好的效果.Ca²⁺、Mg²⁺、Fe²⁺的电负性差异和高温下的产物不同是三种助剂对黏度数值影响不同的根本原因; Mg²⁺、Fe²⁺具有较小的离子半径以及单质铁在高温下析出是导致临界黏度温度较高的原因.     

钙铁助剂对粉煤灰熔融性和结晶行为的影响机理

利用粉煤灰制备高强度无机纤维是实现其高值化利用的重要路径,由于粉煤灰硅铝含量较高,可通过添加钙铁助剂降低均质化过程中原料熔融温度,避免降温拉丝过程中结晶行为。本工作研究了空气气氛下不同含量及比例钙铁助剂对煤灰熔融性及结晶行为的影响机理。结果表明,空气气氛下氧化钙(CaO)与氧化铁(Fe₂O₃)不存在协同助熔效果,CaO的助熔效果优于Fe₂O₃。高温下Fe₂O₃未与硅铝组分生成低熔点矿物,而添加CaO有利于将难熔的莫来石转化为钙长石,使得粉煤灰熔点大幅度降低;然而,当CaO添加量超过30%时,生成了大量的钙黄长石,使得粉煤灰熔点迅速升高。降温过程中,铁元素以赤铁矿形式析出,析晶温度相对较低;而钙元素以钙长石形式析出,析晶温度相对较高,不利于无机纤维制备过程中纺丝操作。当CaO含量为32.46%时,粉煤灰熔点最低,且降温过程中无晶体析出,因此,在粉煤灰基无机纤维制备过程中应选择钙基助剂调控熔融性和结晶行为。     

山西典型高铝煤灰熔融及黏温特性改性实验研究

以山西典型高铝煤为研究对象,研究了工业助熔剂石灰石、黏土以及两者的复合助熔剂对其灰熔融特性及黏温特性的影响。结果表明,随着助熔剂含量的增加,煤灰熔融流动温度下降;石灰石的助熔效果优于黏土,复合助熔剂效果优于单一助熔剂。添加石灰石使灰渣临界黏度温度tcv显著降低,添加黏土使其渣型向玻璃渣转变,复合助熔剂较单一助熔剂存在显著协同作用,即能同时实现tcv的降低和渣型的有利转变。对山西典型高铝煤两渡煤,在复合助熔剂添加量为4%(2%石灰石+2%黏土)时,不仅其渣型向玻璃渣转变,且tcv较单独添加石灰石(2%)降低133℃,较单独添加黏土(6%)降低222℃。矿物质分析结果证实了助熔剂的助熔原理。添加复合助熔剂改性的山西高铝煤可达到工业气流床气化对煤种的要求。     

纳米Fe2O3/端羟基聚丁二烯(HTPB)复合粒子的制备与表征

为改善纳米Fe₂O₃在固体推进剂中的分散性, 以端羟基聚丁二烯(HTPB)和异氟尔酮二异氰酸酯(IPDI)为包覆和固化材料, 分别采用直接共混法和分步共混法制得纳米Fe₂O₃/HTPB复合粒子. 采用HRTEM, TGA, FTIR和XRD等手段表征了复合粒子的结构, 对比了复合前后纳米Fe₂O₃的分散性, 测量了HTPB包覆量和包覆层厚度. 结果表明, 这两种方法均能实现HTPB对纳米Fe₂O₃物理包覆, 但分步共混法明显优于直接共混法|在分步共混法制得的纳米Fe₂O₃/ HTPB复合粒子中, 内层的纳米Fe₂O₃分散性好, 外层HTPB厚度均一. 复合粒子亲油性结果表明, 将纳米Fe₂O₃与HTPB进行复合, 可有效改善纳米Fe₂O₃在固体推进剂中的分散性.     

Mg2+和Na+对高熔点煤灰熔融性的影响

以山西阳泉固庄高熔点煤灰为研究对象,通过向煤灰中添加不同量的MgO与Na₂CO₃,研究了Mg²⁺与Na⁺在高温下对煤灰熔融性的影响。研究结果表明,煤灰熔融温度随氧化镁的添加(5%~25%)单调下降;而随氧化钠添加(5%~25%)出现先降后升现象,在氧化钠添加量为15% 时,灰熔点达到最低。XRD分析表明,阳泉固庄煤灰熔融温度高(大于1 750℃)的原因是高温条件下耐熔矿物莫来石、方英石的存在。添加外加剂后,高温时外加剂与硅酸盐矿物反应,生成了更多的低共熔矿物霞石、堇青石等。同时,Mg²⁺和Na⁺的加入会使得非桥氧数量增多,高温煤灰低聚物增多,降低了煤灰的熔融温度。通过三元相图以及SEM分析,高温条件下煤灰中部分元素的富集以及团聚现象是导致Mg²⁺和Na⁺对煤灰熔融温度影响不同的原因。     

Fe1-xO基氨合成催化剂的制备化学

采用高温熔融法制备了各类铁氧化物,用XRD分析了熔融过程中的物相变化,EOS考察了熔融体凝固-冷却速率对助催化剂分布的影响.结果表明,采用大气气氛中的高温熔融法不能制取Fe₂O₃和化学计量比的FeO,前者会发生分解反应,后者会发生歧化反应;在1.333≤n(O)/n(Fe)<1.38范围时,可以制取Fe₃O₄或非化学计量比的Fe₃-yO₄;在1.113O₄和FeO的混合氧化物;在1.0451-xO,即维氏体.Fe_1-xO基催化剂的制备必须采用物理熔融与化学反应相结合的工艺.凝固冷却速度对抑制氧化亚铁的氧化反应和歧化反应,保证助催化剂的均匀分布和晶粒度均有很大影响     

Fe2O3-TiO2磁性复合材料的制备及可见光催化性能

以FeCl₃和Ti(C₄H₉O)₄为前驱体, 通过复合溶胶法制备了Fe₂O₃-TiO₂磁性复合光催化剂, 并用 XPS, XRD, SEM, EDS及BET进行了表征. 对亚甲基蓝的降解实验证明, Fe₂O₃的引入将复合材料的光响应范围扩展至可见光区, 且掺杂的Fe₂O₃摩尔分数为1.0%时, 样品可见光催化性能最高. 磁强计的测试结果显示, 复合光催化剂具有一定的磁性, 可在反应结束后利用磁场从体系分离, 使催化剂得到回收再利用.     

羧甲基纤维素/Fe3O4复合纳米磁性材料的制备、表征及吸附性能的研究

采用改进的氧化沉淀法在羧甲基纤维素(CMC)体系中制备了以磁性纳米Fe₃O₄为核心, 外层包覆羧甲基纤维素的复合磁性纳米材料. 用透射电镜、X射线衍射、红外光谱、Zeta电位和震动样品磁强计对复合纳米Fe₃O₄进行了表面形貌、结构和磁学的表征. 在此基础上研究了复合纳米Fe₃O₄对Cu^2＋的吸附性能, 探讨了溶液pH、反应时间和 Cu^2＋的初始浓度对其吸附性能的影响. 实验结果表明, 复合Fe₃O₄粒子为反尖晶石型, 平均粒径在40 nm左右, 羧甲基纤维素在Fe₃O₄粒子表面是化学吸附, 复合Fe₃O₄粒子的饱和磁化强度为36.74 emu/g, 在中性溶液中Cu^2＋的吸附量最高, 吸附平衡时间为1.5 h, 二级动力学模型能够很好地拟合吸附动力学数据, 吸附等温数据符合Langmuir模型. 复合纳米Fe₃O₄对Cu^2＋的吸附机理主要为表面配位反应.     

气相色谱法研究配位化合物的热稳定性(Ⅶ)——Ni(Ⅱ)、Co(Ⅱ)草酸配合物的热分解及产物的催化性能

镍(Ⅱ)、钴(Ⅱ)草酸配合物在氢气中热分解时产生CO₂和CO,并发生加氢催化反应.CoC₃O₄和NiC₂O₄的分解产物CO₂加氢活性很快降低;K₂O等具有分散金属的作用。CoC₂O₄/Al₂O₃和K₂^{[Co(C₂O₄)₂]}/Al₂O₃体系具有Al₂(C₃O₄)₃的分解特征。C₂O₄^2-在Al₂O₃表面能形成表面配合物,在Al₂O₃表面Co(Ⅱ)的还原较为困难。     

燃煤飞灰中矿物质对烟气中As、Se、Pb形态分布影响的热力学研究

基于热力学平衡的原理,研究了燃煤烟气中As、Se、Pb三种重金属与飞灰中主要矿物质CaO、Al₂O₃、Fe₂O₃、MgO的反应。结果表明,As在1600 K时与CaO反应开始生成Ca₃(AsO₄)₂,且随着CaO含量的增大,Ca₃(AsO₄)₂的温度区间变窄,说明CaO对煤中As的挥发有抑制作用;As与Al₂O₃在1700 K时开始反应,随着温度降低最后全部以AlAsO₄的形式存在; As与Fe₂O₃反应生成FeAsO₄;As与MgO在600-1500 K以Mg₃(AsO₄)₂(s)形式存在,低于600 K时转化为As₂O₅(s)。...     

铁基助熔剂对皖北刘桥二矿煤的灰熔融特性影响研究

研究了铁基助熔剂对皖北刘桥二矿煤（AQ）灰熔融特征的影响,并对AQ煤灰在添加铁基助熔剂前后不同热处理温度下的矿物组成进行了XRD和红外光谱分析。结果表明,导致AQ煤灰熔点高的主要原因是1000℃以上形成的莫来石引起的;加入铁基助熔剂可以降低AQ煤灰的熔融温度;在高温下铁基助熔剂与煤灰中其他铝硅酸盐矿物发生反应,生成铁橄榄石和铁尖晶石等低温共熔化合物,从而使煤灰熔点明显下降。     

高岭土对准东煤结渣特性及矿物质演变的影响

采用热分析和X射线衍射物相分析相结合的方法,对添加高岭土前后的准东煤灰矿物质组分随温度的演变规律进行了研究,分析了高岭土对准东煤结渣特性的影响。结果表明,准东煤中原始矿物质以方解石、硬石膏、石英为主,高温下主要是镁硅钙石和硅酸二钙;掺混高岭土后准东煤灰熔融温度呈现先下降后上升趋势。掺混比例为3%时,准东煤灰以钙黄长石、铁橄榄石、镁硅钙石为主,三者易形成低温共融物,导致此比例下灰熔融温度大幅降低;添加比例超过6%后,灰中矿物质由易形成低温共融的钙黄长石向高熔点的钙长石转变,ST温度快速上升至1 380 ℃;结渣指标计算结果表明,高岭土在原煤中掺混比例达到6%时,能够有效缓解准东煤结渣。     

配煤对高熔点煤灰熔融特性影响的研究

采用灰熔点较低的襄阳煤和灰熔点较高的晋城无烟煤组成的混合煤样,利用XRF、SEM、DSC、XRD、三元相图等分析方法,探究了襄阳煤对晋城无烟煤煤灰熔融温度的影响。结果表明,配煤能有效降低高熔点煤灰的熔融温度,当襄阳煤的加入量小于24%时,混合煤灰熔融温度显著降低;襄阳煤的加入量在24%-40%时,混合煤灰熔融温度变化平缓且流动温度低于1 400℃。混合煤灰中的成分在1 000-1 200℃发生一系列的化学反应,主要包括SiO_2与Al_2O_3结合产生高熔点物质莫来石以及Fe_2O_3、CaO与莫来石反应转化形成铁尖晶石、钙长石等新物质,由此造成了煤灰熔融温度的变化。基于BP神经网络对实验数据建立预测模型,其预测效果优于前人总结的经验公式,平均准确度高于99%。利用热力学软件HSC 5.0分析了CaO、Fe_2O_3对降低煤灰熔融温度的影响,分析表明,CaO对莫来石的转化作用优于Fe_2O_3。     

高岭土对准东高碱煤煤灰熔融特性影响的量子化学与实验研究

采用量子化学理论计算与实验表征相结合的方法,研究了高岭土对准东高碱煤煤灰熔融特性及其熔融过程中矿物质演变规律的影响,并从矿物质微观结构特性角度阐述了高岭土对改变准东煤煤灰熔融特性的影响机制。结果表明,准东高碱煤煤灰熔融温度随高岭土的添加呈现先快速升高后逐渐变缓的趋势,当高岭土添加比例大于10%时,其提高煤灰熔融温度的趋势变缓;准东高碱煤添加高岭土后,其在1 000-1200℃下的低熔融矿物钙长石、硬石膏等量明显减少,1 200-1 300℃下有一定量的莫来石生成,是其煤灰熔点升高的主要原因;高岭石分子结构中的O(26)、O(22)、Si(6)、Si(8)的反应活性较高,能够与灰中的Fe~(2+)等金属离子成键,促使高岭石的铝氧键断裂。煤中的碱金属或碱土金属(Na或Ca)氧化物中的的O2-,作为亲核试剂,与高岭石的Si(6)和Si(8)发生亲核反应,使桥氧键S-O-Si断裂。     

配煤和助熔剂降低煤灰熔融温度的矿物学特性研究

主要研究添加助熔剂或配煤降低晋城无烟煤的灰熔融温度。通过X射线衍射(XRD)、热力学计算以及灰熔点测试等手段,研究混煤灰熔融特性及其在变形温度时的矿物学特征,解析其结渣特点。结果表明,原煤灰含量越低,混煤灰熔点降低效果越明显。在配煤添加量为20%时,低灰煤C灰熔点降低趋势最明显,对于高灰煤G,则为30%;助熔剂K对C的灰熔点降低效果比对G的更明显。在混煤灰的变形温度处,出现了长石类矿物质。长石类矿物含量的上升和莫来石含量的下降促使灰熔点快速降低。热力学计算表明,高温下,煤灰中液相物质的产生伴随着钙长石和石英含量的快速下降以及莫来石含量的缓慢降低。钙长石参与了煤灰中液相物质的产生。能够与钙长石作用形成低熔点共熔体的物质的含量决定了它的助熔效果。     

高钙高铁煤灰熔融及黏温特性研究

以金鸡滩煤为原料,沙子为添加剂,研究不同比例添加剂下高钙高铁煤灰熔融及黏温特性变化;通过XRD、高温热台显微镜与扫描电镜-能谱等分析方法研究矿物质转变对其灰熔融及黏温特性影响。结果表明,煤灰熔点随添加剂量的增加先降低后升高,辉石类低温共熔物生成是其降低的主要原因;原煤熔渣黏度波动与钙铝黄长石生成有关,而含铁矿物质析出导致其黏度迅速增加;添加沙子后,煤灰熔渣临界温度显著下降,熔渣由结晶渣向玻璃渣转变。原煤熔渣中Fe、Ca元素分布不均匀,添加沙子后均匀程度明显改善,与黏温曲线测试结果吻合。实验结果表明,沙子是改善高钙高铁煤黏温特性的一种有效添加剂。     

含V和Ni灰高温流动性的调控研究

以三种含V和Ni灰为研究对象,探索通过添加助剂和配煤两种途径来调控含V和Ni灰的流动性,利用XRD、SEMEDX和三元相图等分析方法,探究了两种方法调控含V和Ni灰流动性的机理。结果表明,灰中V和Ni在高温下形成难熔物钒氧矿和单质镍,配煤和添加CaO降低了V和Ni的含量,同时可降低除V和Ni以外灰组成的液相温度,进而降低灰的熔融温度。当灰中V和Ni的总含量低于30%时,配入助熔剂CaO可明显降低灰的熔融温度,但其黏温曲线转变为结晶渣类型。当灰中V和Ni含量高于30%时,需通过配入低熔点煤灰降低熔融温度,在满足气流床排渣要求的煤灰中配入5%的该灰后,其黏温特性仍满足气流床液态排渣的要求,但配比达到10%时,降温过程中析出大量的富钒尖晶石,使灰渣黏温曲线转变为结晶渣类型,其不再适合气流床液态排渣的要求。     

Predicting coal ash fusion temperature based on its chemical composition using ACO-BP neural network

Coal ash fusion temperature is important to boiler designers and operators of power plants. Fusion temperature is determined by the chemical composition of coal ash, however, their relationships are not precisely known. A novel neural network, ACO-BP neural network, is used to model coal ash fusion temperature based on its chemical composition. Ant colony optimization (ACO) is an ecological system algorithm, which draws its inspiration from the foraging behavior of real ants. A three-layer network is designed with 10 hidden nodes. The oxide contents consist of the inputs of the network and the fusion temperature is the output. Data on 80 typical Chinese coal ash samples were used for training and testing. Results show that ACO-BP neural network can obtain better performance compared with empirical formulas and BP neural network. The well-trained neural network can be used as a useful tool to predict coal ash fusion temperature according to the oxide contents of the coal ash.