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。     

基于场景理解与改进型BUG算法的移动机器人避障

针对现有移动机器人在视觉避障上存在的局限,将深度学习算法和路径规划技术相结合,提出了一种基于深层卷积神经网络和改进Bug算法的机器人避障方法;该方法采用多任务深度卷积神经网络提取道路图像特征,实现图像分类和语义分割任务;其次,基于语义分割结果构建栅格地图,并将图像分类结果与改进的Bug算法相结合,搜索出最优避障路径;同时,为降低冗余计算,设计了特征对比结构来对避免对重复计算的特征信息,保障机器人在实际应用中实时性;通过实验结果表明,所提方法有效的平衡了多视觉任务的精度与效率,并能准确规划出安全的避障路径,辅助机器人完成导航避障。