论文部分内容阅读
汽车尾气催化剂的研发包括活性组分的筛选及含量的确定、助剂的筛选及含量的确定、载体的筛选、制备方法的筛选、活化条件的选择等过程.这种研发模式需要进行大量的实验,研制周期长、花费高,尤其是它没有充分考虑到各组分之间的相互作用所带来对催化剂性能的影响.人工神经网络可以揭示各组分之间的作用强度,通过自学习和自适应等过程,将体系的内在特性归纳、整理、记忆并储存下来.基于以上原因,该文首次提出了一种基于人工神经网络的汽车尾气净化催化剂设计方法.为了给人工神经网络提供数据源,选用以Pt、Pd、Rh作主要活性组分,以铈锆固溶体、镧和钡的氧化物作助剂的催化剂模型,研究了影响汽车尾气催化剂性能的主要因素.用添加不同模板剂的共沉淀方法制备了铈锆固溶体,研究了模板剂和铈锆比对富铈型铈锆固溶体性能的影响.实验结果表明所得固溶体为立方晶体结构.添加Zr后,比表面积和储氧能力均有提高,以Ce<,0.8>Zr<,0.2>O<,2>表现最为显著.此外,我们发现用阳离子或非离子表面活性剂作模板剂可明显提高固溶体的比表面积和储氧量.考察了铈锆固溶体、贵金属比例、空燃比等对催化剂活性的影响.结果表明,加入铈锆固溶体,可以降低HC、NOx和CO的起燃温度,以添加Ce<,0.8>Zr<,0.2>O<,2>的催化剂的活性为最好.在贵金属含量一定时,铑含量的增加有利于NOx的转化,从三效角度考虑,各贵金属量之间存在着最佳比例.通过比较HCHO和H<,2>作还原剂来还原催化剂中的贵金属化合物的实验结果,我们发现,H<,2>还原方法较好.通过改变氧化还原比S,我们观察到在S=1时,HC、NOx和CO的消除效果最好.