基于硫酸钠溶液电解的废旧镍氢电池全金属回收(英文)

来源 :null | 被引量 : 0次 | 上传用户:jywaco
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文提出了废旧Ni-MH电池全金属可持续回收的方法,分别用电解获得的H2SO4和NaOH溶液作浸出液和中和试剂。电极材料在温和条件下浸出,超过99%的稀土元素在pH 1.0时以双硫酸盐的形式从溶液中沉淀,进而通过与NaOH反应转化为氢氧化物。在后续浸出液纯化过程中,Al3+和Fe3+在pH 5.5时沉积,Zn2+和Mn2+用皂化D2EHPA-煤油从浸出液中萃取出来,形成两种具有工业价值的氢氧化物副产品。Ni2+和CO2+在pH 9.5下沉淀,总回收率为97. 5%。Na2SO4的回收率总计可达97%。这种金属回收方法可带来明显的经济效益,且闭环处理过程中无固体或液体废弃物。
其他文献
本文以广西BT集团实施全面预算管理为例,首先解释了全面预算管理的内涵,阐述了其在国有企业管理中的重要意义,其次指出BT集团在实施全面预算管理存在的问题,最后针对这些问题提出了相应的改进建议,对推进国有企业全面预算管理的高质量实施具有现实意义。
肠道菌群不仅是寄生在人体胃肠道的微生物,更是参与营养、免疫、炎症及多种疾病的微生物。近年来,随着对肠道菌群的深入研究,越来越多的研究发现它与骨质疏松也密切相关。对骨质疏松人群的研究揭示,他们具有特有的肠道菌群特征,同时,肠道菌群可能通过多种机制参与骨代谢。本文就目前已报道的肠道菌群与骨质疏松的研究,总结了肠道菌群通过脂多糖、短链脂肪酸代谢影响宿主免疫系统功能,以及通过调节葡萄糖依赖促胰肽、性激素、
<正>近年来,无论是外卖的风靡,还是一人餐、小包装、小家电的兴起,又或是自嗨锅、单身狗等网红品牌的蹿红,无一例外都说明了"单身经济"的到来。
期刊
<正>电化学主要考查电极名称、离子和电子的移动即电流方向、溶液酸碱性的变化、电极反应式及总反应式的书写,以及根据电极反应式进行计算、能量转化等方面。在近几年的高考中,原电池或电解池中涉及隔膜应用的试题很多,且常出常新。隔膜的多样性,使得隔膜具有多功能性,能够全方位考查学科素养。高中化学教材中对于隔膜没有专门介绍,一般是在电解饱和食盐水的氯碱工业时提到阳离子交换膜的应用。内容简单,对隔膜结构特点、功
期刊
全面预算管理作为高效配置资源、提高资金使用效率的重要基础和前提,是企业财务管理的重点内容。随着企业不断深化改革,电算化发展脚步不断加快,在ERP视角下,企业全面预算管理在落实和开展过程中,仍受多方面因素的影响无法获取较好成效。有必要分析市场客观需求,以此为基础提出有效的策略和方法,进而提高全面预算管理水平,以实现各类资源合理化使用,实现企业经济效益最大化。
随着新课改的深入,对于小学教育要求越来越高,传统化的教学方式已经不适用于现代小学生的需求。知识迁移思想是数学学习过程中一种普遍的思想,正是因为知识的迁移,学生才能够将之前掌握的知识同即将学习的知识相互联系起来,使已有的知识发挥出应有的作,帮助学生更快速的学习新的知识。对于培养学生的思维能力,推进课堂进度有着非常良好的帮助。
通过简析数字乡村战略及河北省农村电商发展现状,分析数字乡村战略下河北省农村电商发展的重要性、制约因素与困境以及发展策略,以期为河北省农村电商发展注入全新活力,切实推动河北省经济发展。
随着2020年疫情以来中医特色疗法在抗击疫情中的出色表现,国家对中医药发展的扶持力度加大。越来越多的人相信中医,甚至开始尝试刮痧、艾灸等中医手法居家保健。查找穴位是中医疗法的重要环节,穴位识别的准确与否将直接影响最终效果。目前百姓自行居家中医保健时,基本是业余操作,难免对穴位的定位存在偏差。因此,本文在穴位识别的准确性和实时性上展开研究。首先,提出了一种基于深度学习的面部穴位识别算法。其次,基于此
随着我国人口老龄化和生活压力的增大,使用中医艾灸康复理疗的人越来越多。针对传统艾灸治疗过程存在的人工寻穴成本高、专业性强且施灸时间长、重复劳动多等问题,本文首先通过HRNet和PFLD腧穴识别深度学习网络得到高准确率和高精度的穴位点坐标,再利用相机标定和手眼标定把人体背部穴位的像素坐标转换成机械臂坐标系下三维坐标,最后控制AUBO i5机械臂到达目标穴位点进行艾灸。首先,针对人体背部腧穴识别问题,
针对传统风险预测方法预测精度低,导致医疗大数据风险访问控制效果不佳的问题,提出构建一个基于自适应神经模糊理论的风险轻量化模型。首先,对BP神经网络的基本原理进行具体分析;然后在BP神经网络的基础上,结合模糊理论知识和T-S模型特性,构建一个基于T-S的模糊神经网络模型;最后通过此模型对访问风险进行量化处理,并根据访问控制策略判断是否授予访问权限。仿真结果证明,构建的模型预测结果与实际输出结果误差均