不同炭载体上碳化钼催化剂的合成

在三种不同炭材料上用程序升温还原法成功制备了负载型Mo2C催化剂,并用X射线衍射和程序升温还原-质谱检测了合成过程中Mo2C的形成历程. 结果显示,炭材料的性质及合成条件均对Mo2C的形成温度及合成过程有着显著的影响. 以纯氢为反应气体时,石墨化程度较高的炭黑载体上钼物种可被还原为金属Mo, 再与碳物种直接碳化生成Mo2C;在碳纳米管载体上Mo2C的生成温度较炭黑上低;在活性炭载体上钼物种只被还原到较低的氧化态,之后与碳反应生成Mo2C. 当氢气不足或在惰性气氛下,炭载体在高于700 ℃时还原钼物种并使之发生碳化生成Mo2C.     

磷化铁/石墨烯纳米复合物的制备及其在F-T合成反应中的应用

作为一种新型碳材料, 石墨烯(G)具有较大的比表面, 因而可以作为载体担载多种金属或金属氧化物. 通过水热法一步合成了磷酸铁/氧化石墨复合物(FePO/GO), 氧化石墨(GO)上复合的磷酸铁(FePO)呈多孔状, 粒径为100～300 nm. 以FePO/GO为前体, 在氢气氛围下, 通过煅烧进一步合成了磷化铁/石墨烯纳米复合物(FeP/G). 粒径为10 nm左右的磷化铁(FeP)均匀的分散在石墨烯表面, 主要暴露(201)晶面. 石墨烯不但能调控FePO的结构, 而且还能促进FePO的还原. FeP/G催化剂可以用于费-托反应, 相对于非负载的FeP, FeP/G具有较高的催化活性、对长链烃较高的选择性以及较高的烯/烷比.     

酸性离子液中纤维素的水解

以离子液 1-丁基-3-甲基咪唑氯为纤维素溶剂, 酸性离子液 1-磺酸丁基-3-甲基咪唑氯为催化剂进行了纤维素水解反应. 通过筛选, 找到了合适的离子液共溶剂二甲基甲酰胺可降低纤维素-离子液体系的黏度. 分别考察了催化剂用量和水含量对纤维素水解的影响, 同时研究了高聚合度的滤纸及棉花的水解行为. 应用二硝基水杨酸法测得水解体系中还原糖的浓度, 进而求得反应过程中还原糖的收率. 结果表明, 在酸性离子液中水解纤维素是完全可行的, 最高可达到 95%的还原糖收率.     

不同方法制备的Mo/HZSM-5催化剂上甲烷的芳构化反应

 采用机械混合、机械混合后焙烧和机械混合后微波处理等方法制备Mo／HZSM－5催化剂,并对催化剂上甲烷芳构化反应性能进行了考察．结果表明,与浸渍法相比,用机械混合法、固相反应法和微波法制备的催化剂,在保持甲烷转化率不变的前提下,能明显提高芳烃选择性并减少积炭的生成;不同方法制备的Mo／HZSM－5催化剂上Mo物种的落位不同,机械混合法、固相反应法和微波法使Mo物种较多地落位于分子筛外表面．结合反应结果可以得出,落位于分子筛外表面的Mo物种对甲烷芳构化反应更为有利,而且明显减少积炭的生成．     

基于图像深度预测的景深视频分类算法

景深视频因高清、美观广受大众喜爱。然而,要从海量视频中检出此类视频十分困难。已有较多研究基于景深图像成像原理,开展景深像素分割算法研究,但难以直接应用于实际视频分类场景。本文针对景深视频类型,设计了可预测视频类型的深度网络。根据景深成像原理,各语义物体之间相对相机的景深深度存在一定的逻辑关系。为此提出以图像深度为指导,利用深度预测模块预测图像的景深深度信息,将其合并后输入至分类网络进行训练检测,以降低景深视频误检率,提升网络模型的性能。此外,针对现实需求中该领域有标数据较少,而不同数据集分布会降低性能的问题,设计了迭代式景深视频数据集收集方法,以较低的劳动成本快速收集所需要的视频数据,具有一定的实际应用价值。本文算法在快手线上的景深视频数据集中识别准确率达85.7%。     

贵金属催化剂上两步法选择性降解有机溶剂型木质素

使用担载型贵金属催化剂和磷酸在不同温度下通过两步法加氢降解二氧六环木质素. 第一步反应使用Rh/C和浓度为1% (w)的磷酸为催化剂, 在270 ℃和4 MPa氢气气氛下反应后通过气相色谱(GC)和气相色谱-质谱(GC-MS)分析木质素单体和二聚体, 总收率最高可达16.9%. 通过傅里叶变换红外(FTIR)光谱、X射线光电子能谱(XPS)、元素分析(EA)和凝胶渗透色谱(GPC)等方法研究第一步反应产物的变化. 结果发现, 二氧六环木质素中的C－O－C键被打断, 木质素分子量降低, 部分羰基和羧基被脱除. 随着反应温度的上升, 产物的含氧量不断下降, 在270 ℃反应10 h 后氧含量从35% (w)降低至21% (w). 结合不同的表征方法, 提出二氧六环木质素的第一步反应路径. 第二步反应中使用Pd/C和磷酸为催化剂在250 ℃可以将木质素单体、二聚体高选择性地加氢脱氧转化为对应的烃类产物.