还原温度对超细K－Co－Mo催化剂合成低碳醇性能的影响

 用溶胶－凝胶法合成了K－Co－Mo催化剂．样品经不同温度还原后，用于低碳醇的合成．XRD和HRTEM结果表明，样品是超细粒子，粒子尺寸为2～5nm．考察了催化剂的还原温度和反应条件对催化剂性能的影响．实验结果表明，还原温度对催化剂的活性有较大的影响，最佳还原温度为500℃．最佳反应温度范围为310～330℃．升高压力和空速可以提高醇的收率和选择性．在空速14400h－1，压力6．0MPa和温度310℃的条件下，醇的选择性为55．8％，收率为520．0g／（kg·h），MeOH／C2＋OH为0．27．催化剂稳定性良好，在200h的寿命实验中，活性基本不变．与文献中催化剂相比，超细K－Co－Mo催化剂对合成醇具有较高的活性和选择性，尤其是对C2＋OH的合成明显高于其他合成醇催化剂体系．     

溶胶-凝胶法制备还原态K-Co-Mo催化剂的合成醇性能

应用溶胶-凝胶法制备了还原态K-Co-Mo催化剂, 比较了不同的组分和不同的反应条件对合成醇性能的影响。实验结果表明，适量钾和钴助剂的添加能显著提高催化剂合成醇的性能，尤其是提高了C2+醇的选择性。此外，反应温度、压力以及空速对合成醇影响明显，升高温度可以提高催化反应中低碳醇的收率，但选择性下降；增加压力和空速可以提高低碳醇的收率和选择性，对合成低碳醇有利。在230 ℃，6.0 MPa，14 400 h－1条件下，催化剂合成低碳醇的收率为375.4 g/kg·h，选择性为70.2%，C1OH/C2+OH为0.48。     

粘土担载的钼基催化剂的制备、结构及CO加氢合成醇性能

采用溶胶凝胶法与等体积浸渍相结合制备了一系列以粘土为载体的K-Co-Mo催化剂. 采用XRD、N₂等温吸脱附、H_{26+的还原,但对Mo⁴⁺和Co²⁺的还原没有明显的影响. 催化剂经还原后,在其表面生成了一种更低价态的Mo^δ+(1<δ<4)物种,被认为是合成醇的活性中心. 与非负载催化剂相比,粘土担载的K-Co-Mo具有更高的合成醇性能. 负载型催化剂具有较高的活性物种分散度,并且其介孔结构在一定程度上延长了合成醇反应中间体的滞留时间,从而促进了低碳醇的生成. 经773 K还原的催化剂具有较高的活性,其原因可为催化剂表面具有较高含量的Mo^δ+物种.}     

不同热处理方式对超细粒子K—Co—Mo催化剂性能和结构的影响

以柠檬酸为络合剂,采用溶胶－凝胶法制备Co-Mo超细粒子氧化物,所得干凝胶分别置于空气和氩气中进行粒烧,然后经K2CO3助化后硫化。2使用X射线衍射（XRD）,BET比表面测试和扩展X光吸收精细结构（EXAFS）对样品进行结构表征,同时测试硫化态样品的CO加氢合成低碳混合醇活性。XRD结果表明,在空气中焙烧的样品为单一的CoMoO4物种,其晶粒尺寸约为60nm;在氩气中焙烧的样品,柠檬酸的分解对样品起到还原作用,主要物种为CoMoO3 ,同时存在少量的CoMoO4,晶粒尺寸约为20nm。BET结果表明,在氩气中焙烧的样品具有较大的比表面积。硫化态样品中主要物种为MoS2和Co9S8,此外,还可能存在CoMoS3.13物种,XRD和EXAFS结果均表明,在氩气中焙烧的样品硫化后,其晶粒尺寸相对较小,活性测试结果表明,催化剂晶粒尺寸的降低明显促进了合成醇的活性和选择性的提高。     

基于回归分析和遗传算法优化的BP神经网络熔覆层形貌预测

针对激光熔覆过程中熔覆层形貌难以控制的问题,以45钢和Fe45分别作为基材和熔覆粉末,设计3因素5水平的试验方案,并测量熔覆层的宏观尺寸。首先,利用遗传算法（GA）对反向传播（BP）神经网络的初值进行优化,建立了GABP神经网络模型,以激光工艺参数为输入、熔覆层形貌为输出进行了训练和测试,分析其预测精度。然后,分别以回归分析、BP神经网络和GA-BP神经网络三种方法建立预测模型,并与实际得到的熔覆层形貌进行比较。结果表明,通过遗传算法优化的GA-BP神经网络模型与实际的误差约为3%,BP神经网络模型与实际误差为7.38%,而回归分析预测模型预测误差最大可达到15.5%。经比较可知,GA-BP神经网络预测模型的结果与实际最为接近。故GA-BP神经网络预测模型对提高熔覆层质量具有一定的指导价值。     

不同热处理方式对超细粒子K—Co—Mo催化剂性能和结构的影响

以柠檬酸为络合剂,采用溶胶-凝胶法制备Co-Mo超细粒子氧化物,所得干凝胶分别置于空气和氩气中进行焙烧,然后经K2CO3助化后硫化。使用X射线衍射（XRD）比表面测试和扩展X光吸收精细结构（EXAFS）对样品进行结构表征,同时测试硫化态样品的CO加氢合成低碳混合醇活性。XRD结果表明,在空气中焙烧的样品为单一的CoMoO4物种,其晶粒尺寸约为60nm。在氩气中焙烧的样品,柠檬酸的分解对样品起到还原作用,主要物种为CoMoO3,同时存在少量的CoMoO4,晶粒尺寸约为20nm。BET结果表明,在氩气中焙烧的样品具有较大的比表面积。硫化态样品中主要物种为MoS2和Co9S8,此外,还可能存在CoMoS3.13物种。XRD和EXAFS结果均表明,在氩气中焙烧的样品硫化后,其晶粒尺寸相对较小。活性测试结果表明,催化剂晶粒尺寸的降低明显促进了合成醇的活性和选择性的提高。     

叠层荧光集光太阳能光伏器件的性能模拟和优化

荧光集光太阳能光伏器件可以减少太阳能电池的用量,有效降低光伏发电的成本.相对于单层荧光 集光太阳能光伏器件,叠层荧光集光太阳能光伏器件能分波段充分利用太阳光谱,提高荧光集光太阳能光伏 器件的效率,进一步降低光伏发电的成本.但是,叠层荧光集光太阳能光伏器件涉及较多的参量,难以通过实验 优化.本文分析了从单层到叠层荧光集光太阳能光伏器件的全部物理过程,建立了数学模型,并相应编制了 计算机模拟软件.运用上述软件,系统研究了器件尺寸、太阳能电池的带隙对光电转换效率的影响.     

Mn助剂对K-Co-Mo催化剂结构及CO加氢合成低碳醇性能的影响

通过溶胶-凝胶法合成了一系列Mn掺杂K-Co-Mo催化剂,并利用X射线衍射、N₂吸脱附、NH₃程序升温脱附、原位漫反射红外光谱以及X射线吸收谱等技术对催化剂的结构进行了表征.活性测试结果显示Mn掺杂催化剂比未掺杂催化剂表现更高的合成低碳醇的催化活性,尤其是C₂₊醇的选择性得到了明显的提高.醇产物分布偏离了ASF分布规律,甲醇的含量显著减少,乙醇成为主要醇产物.表征结果表明Mn助剂的加入增强了Co和Mo之间的相互作用,促进了醇生成活性中心Co-Mo-O物种的生成.显著减少了催化剂强酸性位的数量,促进了弱酸性位的产生,有利于醇产物的生成.助剂的加入有利于催化剂对CO的线性和桥式吸附,促进了醇产物的生成和碳链的增长,提高了催化剂对C₂₊醇的选择性.     

合肥光源在碳基能源催化及环境科学中的应用

<正>催化科学是现代化学工业的核心。在现代化工行业中,有80%以上的产品是借助催化过程生产的。每种新催化剂和新催化工艺的开发成功,都会引起化工、石油和煤炭等重大工业在内的生产工艺的改革,大幅度降低生产成本,并为改善人们生活质量提供一系列新产品和新材料。催化剂构-效关系和催化反应机理是催化科学的关键核心问题,始终是个极具挑战性的研究课题。催化反应本身是一个动态过程,催化剂与气体反应物分子在原子尺     

Theoretical simulation and analysis of large size BMP-LSC by 3D Monte Carlo ray tracing model

Luminescent solar concentrators(LSC) can reduce the area of solar cells by collecting light from a large area and concentrating the captured light onto relatively small area photovoltaic(PV) cells, and thereby reducing the cost of PV electricity generation. LSCs with bottom-facing cells(BMP-LSC) can collect both direct light and indirect light, so further improving the efficiency of the PV cells. However, it is hard to analyze the effect of each parameter by experiment because there are too many parameters involved in the BMP-LSC. In this paper, all the physical processes of the light transmission and collection in the BMP-LSC were analyzed. A three-dimensional Monte Carlo ray tracing program was developed to study the transmission of photons in the LSC. A larger-size LSC was simulated, and the effects of dye concentration, the LSC thickness, the cell area, and the cell distance were systematically analyzed.