加载絮凝在水处理中的应用进展

加载絮凝是一种快速絮凝沉淀工艺,包括微砂加载絮凝和磁加载絮凝。本文叙述了加载絮凝工艺的技术特点与研究进展,加载介质可以成为絮凝体的核心,提高沉淀速度,增强沉淀性能,较常规絮凝可有效的减少沉淀池占地面积和沉淀时间,具有良好的发展前景。     

助剂添加对CuO/TiO2催化剂NH3-SCO性能的影响研究

采用浸渍法制备了一系列CuO-MO_x/TiO₂ (M=W,Zr,La)催化剂用于NH3选择性催化氧化(NH₃-SCO),同时探究了SO₂中毒对NH₃氧化性能的影响.结果表明,过渡金属氧化物的添加使Cu/TiO₂催化剂NH₃转化率降低,但显著提高N₂选择性.其中,W0₃具有最好的促进效果,在300℃下催化剂N₂选择性提高了36%.通过H₂-TPR和NH₃-TPD表征发现,WO₃的添加增加了Cu/TiO₂催化剂表面酸性位点的数量,促进NH3的吸附,但降低催化剂氧化还原性能,抑制NH₃氧化为NO_x.经SO₂中毒处理后,CuO-MO_x/TiO₂催化剂N₂选择性进...     

ABAQUS混凝土损伤塑性模型的动力性能分析

地震作用在混凝土结构上会在其材料中产生较高的应变率,混凝土材料具有一定的率敏感性,准确模拟混凝土结构在地震作用下的反应需采用混凝土动态本构模型.为评估ABAQUS有限元软件中的混凝土损伤塑性模型模拟混凝土动力性能的能力,采用该模型对混凝土材料和构件在不同加载速度下的动态反应进行了有限元数值分析.结果表明,随着加载速度的...     

金属氧化物-Laponite黏土复合材料负载氧化钴催化剂的制备及对苯的催化消除性能

以多核羟基阳离子或简单金属阳离子为前驱体,合成了Al、Ce和Zr等金属氧化物-Laponite黏土复合材料,以之为载体负载制备Co3O4催化剂.结果表明,与原黏土Laponite相比,复合处理后材料的孔隙变得发达,孔体积增加,Al和Ce的氧化物复合的Laponite黏土材料的孔体积超过0.75 cm3·g-1;负载Co3O4催化剂后没有改变等温线的类型,但随着负载量的增加,材料对氮气的吸附量逐渐减少,表明Co3O4填充了部分孔道,导致孔体积的减小.复合的金属元素类型对负载型的Co催化剂的分散度和催化活性都有影响.结果表明,根据(311)衍射的半峰宽,使用Scherrer方程计算得到Co负载量为21.3%的Fe、Zr、Ce、Al氧化物复合Laponite黏土材料催化剂上,Co3O4颗粒的平均粒径分别为17.2、16.0、16.5和18.0 nm;对于氧化铝复合的Laponite黏土材料而言,21.3%的Co负载量比较合适,苯的完全转化温度约为350℃;不同金属氧化物与Laponite黏土复合的载体催化剂中,氧化锆的活性最好,能在310℃实现苯的完全转化.     

Fe-Ce双金属氧化物常温脱除低浓度H2S

采用共沉淀法制备了Fe-Ce双金属氧化物脱硫剂,通过XRD、FTIR、N2吸附-脱附和XPS对脱硫剂进行了表征.在常温下对H2S质量浓度为607μg/L的H2S-N2混合气体进行脱硫研究,探讨了Ce与Fe的摩尔比和无水乙醇洗涤对脱硫剂在常温下脱硫性能的影响,考察了脱硫剂的再生性能.实验结果表明:Ce与Fe摩尔比为0.1...     

围压卸荷条件下砂岩损伤与动态破碎特性研究

为研究深部高应力岩体开挖卸荷对围岩的影响,运用自制的带轴向静压和围压装置的霍普金森压杆(SHPB)设备,开展不同速度围压卸荷试验。结合围压卸荷过程砂岩试样声发射特性及动态加载后试样破碎块度分维特性,分析围压卸荷速率对试样损伤的影响。试验结果表明:当卸荷速率在0.5～10 MPa/s范围内变化时,砂岩损伤、声发射能量及破碎分形维数随围压卸荷速率增大而增大;但当卸荷速率增大到200 MPa/s时,砂岩损伤、声发射能量及破碎分形维数反而减小。在一定范围内提高围压卸荷速率,有助于提高砂岩试样裂隙发育及损伤程度。     

SCR催化剂失活机理分析及防治措施

选择性催化还原法(SCR)是火电厂常用的外加还原剂还原NOx将其转变为N2和O2的烟气治理方法。还原过程中,催化剂是反应核心部分,但烟气及其携带灰分的性质会致使金属氧化物催化剂失活(中毒),直接影响到火电厂运行的脱硝效率。通过对金属氧化物催化剂中毒机理的分析,提出在采用负载型复合催化剂,根据灰分选择合适催化剂载体结构的同时,适时采用后置式公用SCR布置形式等措施,可达到延长催化剂使用寿命、提高脱硝效率、减少运营成本的目的。     

纳米金属氧化物对人体细胞毒性效应的构效关系研究

为建立高效的纳米金属氧化物细胞生物毒性构效关系预测模型，研究了20种纳米金属氧化物在不同生物条件下对人正常肺上皮细胞(BEAS-2B)和角质层细胞(HaCaT)的毒性效应构效关系，并首次将元素周期描述符(定量描述符)与试验条件参数(定性描述符)相结合，共同表征金属氧化物的纳米结构特征。在采用支持向量机-特征递归消除法(Support Vector Machine-Recursive Feature Elimination, SVM-RFE)筛选的最优描述符作为输入参数的基础上，分别应用支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)2种高效的建模方法，建立纳米材料构效关系(Structure-Activity Relationships for Nanoparticals, Nano-SAR)预测模型。2个算法训练集的准确率(ACC)均大于0.9,内部验证准确率均大于0.7,测试集外部验证的准确率也均大于0.8,模型验证结果表明2个算法均具有良好的稳定性和较强的预测能力。对比2个算法研究结果表明，RF算法优于SVM算法...