制备方法对1,4-丁炔二醇加氢Ni-Al_2O_3催化剂性能的影响

分别采用溶液燃烧法(SCM)、等体积浸渍法(IMP)、水热合成法(HTP)和浸渍燃烧法(ICM)制备了Ni负载量为18%(质量分数)的Ni-Al_2O_3催化剂,通过X射线衍射(XRD)、H_2程序升温还原(H_2-TPR)、NH_3程序升温脱附(NH_3-TPD)、N_2吸附-脱附、透射电镜(TEM)等表征手段和1,4-丁炔二醇(BYD)加氢制1,4-丁二醇(BDO)评价实验,考察了制备方法对催化剂结构和性能的影响。结果显示,溶液燃烧法制备的SCM催化剂晶粒尺寸最小,仅为6.5 nm;低温还原峰面积大,峰型最为弥散;弱酸中心与强酸中心的面积比适中(3.0);孔径分布除在2～5 nm之间有明显的介孔外,在10～30 nm之间还有较为弥散的分布,即具有典型的介孔-介孔多级孔道结构。评价结果表明,SCM催化剂性能最好,BYD转化率为90.75%;BDO选择性为93.84%,收率也高达85.16%。这与活性组分晶粒尺寸小、低温还原峰面积大、弱酸中心与强酸中心比例适中、以及具有多级孔道结构和比表面积高达97.40 m~2/g有关。     

基于AdaBoost和决策树的雷达辐射源识别方法

针对传统雷达辐射源识别算法在当前高密度信号环境下进行识别时,存在实时性差、识别准确率低、鲁棒性不强的问题,提出了一种基于AdaBoost和决策树的辐射源识别算法。首先通过信息增益构建单层决策树;然后利用AdaBoost算法对弱分类器进行训练,得到强分类器;最后通过强分类器对测试数据进行识别,得到识别结果。仿真结果表明,利用该方法识别参数误差10%的测试数据,识别准确率能够达到93.78%,时间消耗低于1.5s,具备良好的识别效果。     

磨球尺寸对1,4-丁炔二醇加氢制1,4-丁烯二醇Ni-Al2O3催化剂性能影响

结合行星式球磨机,采用机械化学法制备Ni-Al_2O_3催化剂,考察磨球尺寸对Ni-Al_2O_3催化剂晶相结构、还原特征和1,4-丁炔二醇催化加氢性能的影响。采用PSD、EDX、XRD、H_2-TPR、BET、TEM、NH_3-TPD等对催化剂进行了物化结构表征。结果表明,试样MC6.0(大球,直径6.0 mm)具有优异的催化反应性能,1,4-丁炔二醇转化率较高,为25.47%;1,4-丁烯二醇选择性好,为87.88%,收率高达22.39%,这与该催化剂β_2峰面积较大和活性组分Ni负载量(28.48%)超过理论负载量(20%)有关联。