论文部分内容阅读
简要综述了催化剂设计的基本方法，对芳香硝基化合物的还原作了简单的介绍。设计了催化剂的主要成分，并借助脉冲式微型催化反应器的特点，对Cu,Ni／r-Al2O3，催化剂进行了快速评价。考察了铜负载量对催化剂活性的影响，当Cu／Ni为31.59％时，催化剂的活性最大，并且测定了催化剂的动力学参数。 虽然Cu,Ni／r-Al2O3催化剂在卤代芳香硝基化合物的还原表现了较高的催化活性，但仍存在脱卤问题。因此我们在Cu,Ni／厂-Al2O3催化剂中引入TiO2，从实验的结果来看，Cu,Ni／r-Al2O3，TiO2催化剂表现出很高的催化活性，而且在卤代芳香硝基化合物的还原中较好的解决了脱卤问题。在推广应用中，Cu,Ni／r-Al2O3，TiO2与工厂提供的Cu-Zn-Cr催化剂相比较，在顺酐直接加氢合成Y-丁内酯工艺中，无论在催化活性、选择性和稳定性都比有较大的优势，具有较大的推广价值。 最后，在累积误差校正的基础上，我们提出了动态误差修正法，采用带偏置节点的6-20-2三层BP网络模型。隐层及输出层的传递函数均选择Sigmoid函数，即厂(J)二1巾+expLx))。学习规则采用广义的6规则，学习率0.6，动量因子0.6。建立的人工神经网络模型很好地反映催化剂浸渍操作参数及活化操作参数与催化剂活性之间的关系。对催化剂的设计具有一定的指导意义。