贵金属催化剂活性组分分布对催化湿式氧化处理非达霉素提炼废水的影响

采用均匀型和蛋白型Ru/TiO_2催化剂为湿式氧化催化剂,应用于催化湿式氧化非达霉素提炼废水,以出水COD和TOC去除率作为指标来评价2种催化剂的催化活性差异;采用实验室连续评价装置对柱状颗粒催化剂在不同pH、不同废水流量和不同温度下处理非达霉素提炼废水进行了优化评价。结果表明:在265℃、pH=4.1、废水流量为10 mL·h~(-1)时,催化剂的催化活性最高,故确定此条件为该废水处理的最优条件;同时对比均匀型和蛋白型2种催化剂,蛋白型催化剂具有更高的催化效率;结合SEM及N_(2~-)物理吸附结果,推断蛋白型催化剂活性组分集中分布在催化剂颗粒的较浅层,有利于降低反应过程中的扩散阻力,提高贵金属活性组分的利用率,进而提高催化剂的催化活性。以上结果对开发高效湿式氧化催化剂,充分利用贵金属活性组分降低催化剂成本具有十分重要的意义。     

人工智能助力臭氧催化剂SrFexZr1-xO3的开发

将人工智能应用于催化臭氧氧化催化剂SrFe_xZr_1-xO₃的开发过程,采用共沉淀法制备了50种不同配方的催化剂,考察聚乙二醇（PEG）投加量、煅烧时间、老化时间、氨水投加量和铁掺杂量对SrFe_xZr_1-xO₃催化剂催化臭氧降解间甲酚反应活性的影响.同时,利用人工神经网络（ANN）和响应面（RSM）对催化剂合成条件与TOC去除率和间甲酚转化率的关系进行拟合,训练集中ANN的R²值分别为0.91和0.97,高于RSM的R²值0.35和0.41;在4组测试集上ANN的均方误差（MSE）分别为9.87和17.67,远小于RSM的23.89和28.87.结果表明,ANN模型对催化剂制备过程的复杂体系具有更好的拟合和泛化能力.在ANN训练好的模型中通过枚举法寻找最优合成条件为：PEG投加量为19.00%,煅烧时间为1.25 h,老化时间为26.50 h,氨水投加量为6.21 mL,铁掺杂量为3.37%,所得催化剂为SrFe_0.13Zr_0.87O₃-B.最佳反应条件下,间甲酚转化率和TOC去除率分别达到98.52%和17.21%,优于空白组的73.46%和1.86%.     

PbO2电极的制备及电催化氧化降解水中间甲酚

以钛网为基体,锡锑氧化层为底层,采用电沉积法制备了不同的PbO₂电极,探索了制备条件对电极的影响。实验结果表明：在电流密度75 mA/cm²、电沉积温度85 ℃、电沉积时间30 min的条件下,制备的电极表面晶粒大小适中并呈现出较好的“金字塔”形貌和结晶度,具有最好的电催化氧化降解效果（间甲酚转化率85.65%、TOC去除率16.51%）和最低的能耗（0.97 kW·h/g,以TOC计）,并在重复降解实验中表现出较好的稳定性。自制PbO₂电极的各项指标均优于商品化PbO₂电极,且TOC去除率是商品化电极的2.9倍,而能耗仅为其1/3.6。