【摘 要】
：
我国每年有大量的废催化裂化催化剂（Fluid catalytic cracking,FCC）产生,废FCC催化剂属于危险化学废弃物,需要及时进行无害化的处理,否则会对环境造成严重污染。废FCC催化剂的化学组成中Al2O3和SiO2的总含量在90 wt.%以上,还含5 wt.%左右的稀土元素,杂质含量少,可以合成铝硅系陶瓷材料。本文针对FCC催化剂化学组成特点,开展了废FCC催化剂合成莫来石（3Al
论文部分内容阅读
我国每年有大量的废催化裂化催化剂（Fluid catalytic cracking,FCC）产生,废FCC催化剂属于危险化学废弃物,需要及时进行无害化的处理,否则会对环境造成严重污染。废FCC催化剂的化学组成中Al2O3和SiO2的总含量在90 wt.%以上,还含5 wt.%左右的稀土元素,杂质含量少,可以合成铝硅系陶瓷材料。本文针对FCC催化剂化学组成特点,开展了废FCC催化剂合成莫来石（3Al2O3·2SiO2）的研究。本文采用固相合成法对废FCC催化剂进行初步探索。为了得到高品质的莫来石,系统研究了Al2O3与废FCC催化剂合成莫来石的工艺。主要探讨烧结温度、铝硅比（Al2O3和SiO2的质量比）、保温时间和稀土元素等对合成莫来石的影响。通过XRD、SEM和BET等分析手段,对试样物相含量、显微结构、等进行了分析研究,通过jade软件确定了试样物相含量,并测试样的常温耐压强度、热震稳定性、吸水率和体积密度等性能。本文主要研究内容及结果如下:（1）对废FCC催化剂进行了热处理研究,处理温度分别为1100℃、1150℃、1200℃、1250℃、1300℃、1350℃、1400℃和1450℃,保温时间分别为2 h、4 h和6 h。通过显微形貌分析表明:在烧结温度1400℃和保温时间4 h时,生成莫来石相为较好的棒状相互交错晶体,XRD分析出莫来石物相含量达到87 wt.%。（2）研究了α-Al2O3、γ-Al2O3与废FCC催化剂合成莫来石的工艺。试样化学组成根据铝硅比设计,铝硅比分别为2.35、2.45、2.55、2.65和2.75,烧结温度分别为1200℃、1250℃、1300℃、1350℃和1400℃,保温时间为4 h。经XRD分析表明:α-Al2O3与废FCC催化剂合成莫来石时,烧结温度1350℃以上,保温时间4 h,铝硅比为2.35～2.45,生成莫来石物相含量高,试样的显微形貌中晶体均匀且都是相互交错的棒状莫来石。经XRD分析表明:γ-Al2O3与废FCC催化剂合成莫来石时,烧结温度1300℃以上,保温时间4 h,铝硅比为2.35～2.75,反应生成莫来石物相含量高,显微形貌呈现莫来石的形貌为棒状和针状相互交错晶体结构。综合对比α-Al2O3、γ-Al2O3与废FCC催化剂合成莫来石试样的XRD和显微形貌,结果显示,在烧结温度1300℃以上,铝硅比为2.35～2.75,γ-Al2O3不论是莫来石含量还是晶体显微结构都优于α-Al2O3的。废FCC催化剂中含约3.2 wt.%的稀土元素,显著降低了莫来石烧结温度约100℃。（3）力学性能分析表明:废FCC催化剂直接合成的莫来石,具有较高常温耐压强度,但热震抗弯强度保持率小。在此基础上,通过添加α-Al2O3合成莫来石,显著提高了试样的热震抗弯强度保持率,提高了约3倍。为了进一步提高莫来石的性能,通过添加γ-Al2O3合成莫来石,合成莫来石的热震抗弯强度约是添加α-Al2O3的7倍。综上,废FCC催化剂可直接合成莫来石,但是生成的莫来石含量比较低,这样合成的莫来石作为铝硅系耐火材料的原料。烧结温度1350℃,铝硅比为2.35,废FCC催化剂中添加γ-Al2O3时,生成的莫来石物相含量高,显微形貌都是棒状和针状相互交错的晶体结构,有较高的强度和热震抗弯曲保持率。
其他文献
智能医疗系统为人们提供健康服务,该系统使得医生与患者之间可以不受地域限制地进行交流并为患者提供医疗帮助。智能医疗系统包括附着在人体上的可穿戴设备与传感器,这些设备与传感器使用全球定位系统（GPS）向医疗服务提供者不断发送患者的位置以及时间戳信息,这些信息在发送给医疗服务提供者时可能会导致患者位置及敏感信息的泄露,因此必须得到保护。本文使用两种基于边缘服务器的方法来保护患者的位置隐私,我们使用机器学
图学习相关的深度学习技术在近些年得到了快速的发展,图神经网络的出现更是为图数据的诸多应用场景下的任务提供了极具竞争力的方案。然而,攻击者通过在原始图数据上添加一些难以察觉的轻微扰动所生成的对抗样本,会导致图神经网络模型产生有误差的学习结果。这将威胁到公共安全和个人隐私,不能满足一些应用场景下的系统安全性需求。因此,对图神经网络的安全性研究是十分必要的,能够推动图神经网络技术在实际生活中的应用的发展
秘密共享经过40多年的研究发展,在密码学占据重要地位。作为一种有别于传统密码学技术,除了可以保护数据,它还可以提高数据的鲁棒性。因此被广泛应用于通信密钥管理、安全协议、网络数据安全、导弹控制发射等方面。本文提出针对不同应用场景下的两种秘密共享方案,实现了对图像的渐进恢复效果。第一种方案是基于随机网格的图像秘密共享技术,该方案可以应用在计算资源稀缺的场景。针对视觉秘密共享方案恢复效果差的问题,通过减
目标检测技术的主要任务是寻找图片中人们所感兴趣的目标,并判断它的类型和位置,是机器视觉领域的一项关键技术。近年来,基于神经网络的目标检测算法在人脸识别、行人检测和智能交通系统等领域都有着广泛地应用。随着集成电路和深度学习技术的发展,面对各种高分辨率和高帧率的应用场合,为了进一步提高算法检测的性能,使用的网络层数变得越来越多,计算量和参数规模变得更加庞大,无法满足小体积、低功耗的嵌入式应用。因此,本
决策树分类是一类被广泛应用的机器学习方法,由于其直观性强和分类性能高效等特点,目前已经在移动通信、智慧医疗诊断等方面得到广泛应用,并在物联网大数据领域中具有广阔前景。在现实场景中,分类服务提供过程涉及用户隐私数据以及服务提供商所持有的决策树模型中的树形结构数据之间的交互计算,从而会带来一系列的隐私泄露问题。因此在实际部署中迫切需要针对决策树分类模型提供专用的隐私保护方法。为此,本文将面向物联网大数
图像修复是指恢复不完整图像中受损部分的像素特征,是计算机视觉领域研究的一项经典问题,如今在图像编辑、面部修复、虚拟现实及数字文化遗产保护等领域依然具有广泛的应用价值。在图像修复问题中,传统方法主要通过对缺失空洞周边信息的扩散,或者搜索相似补丁进行匹配的方式完成修复,当缺失空洞过大时并不能准确的恢复其中的信息。近年来,随着人工智能科学研究和深度学习相关技术的实施,基于深度学习的图像修复技术成为了计算
互联网和信息技术的迅猛发展使累积的数据爆发式增长,人们通过数据挖掘等技术对发布的数据进行整理、分析,进而获取有用的信息,这为人们带来利益的同时也导致了用户隐私的泄露。作为隐私保护最常用的主要技术之一,基于聚类的匿名化技术通过对相似数据进行聚类、泛化等处理,满足了对用户敏感信息保护的基本要求。但该算法过分依赖聚类中心的随机选取,并且未考虑敏感属性的多元约束,这不仅会暴露隐私信息还会造成更多的数据信息
随着电子信息技术的飞速发展,对电子元器件的小型化、功能化、低成本、高稳定性的要求更高,压电陶瓷材料及其应用研究也在逐渐加深,期望得到更高性能的压电陶瓷材料。研究和提升单一性能已不能满足各项领域对压电陶瓷的要求。研究表明Pb（Nb,Ni）O3-Pb（Hf,Ti）O3（PNN-PHT）三元压电陶瓷是一种新型的且拥有较高压电性能的陶瓷体系。但是与已经大范围应用的PZT-5,PZT-8等商用陶瓷相比,其机
基于自由形式的文本描述在复杂场景中定位出最相关的目标物体是当前很热门的研究领域,在智能机器人、无人驾驶等领域中,该任务的有效应用可以实现更高的智能化。由于点云的不规则性和稀疏性以及文本描述的复杂性,理解这些描述并将其直接联系到点云是一个新的、具有挑战性的方向。目前,3D视觉定位的三个主要挑战分别是在复杂多样的描述中找到主要焦点、了解点云场景的特点以及定位到目标物体。为了应对这些挑战,本文提出基于文
随着航空航天业的迅猛发展,人们对基于卫星的目标检测需求逐步攀升,遥感图像目标检测技术应运而生。该项技术可应用于目标捕捉、实时定位、资源勘测等诸多领域。近年来,将深度学习与目标检测相结合的方式成为提升检测精度、提高检测效率的有效手段。由于遥感图像具有多尺度、多视角、多方向的特点,所以传统的目标检测方法并不适用。针对以上问题,本文基于YOLOv3算法提出了两种多模块融合方法,分别提升了目标检测的精度和