Ni-ZrO_(2)金属陶瓷电极材料的导电性能研究

为研究Ni-ZrO_(2)金属陶瓷电极材料导电性能,基于通用有效介质(GEM)方程建立Ni-ZrO_(2)金属陶瓷的电导率计算模型,通过实验研究和模型计算相结合,分析金属陶瓷两相组分、温度和相对密度对电导率的影响。结果表明,基于GEM方程的Ni-ZrO_(2)金属陶瓷1000℃时电导率模型中Ni金属相的逾渗阈值f_(c)为0.689,临界指数t为1.388。模型计算的电导率值与实验测量结果基本吻合。当Ni金属相的体积分数>40%时,金属陶瓷电导率随着温度的升高而,显著下降,呈现电子导电的温阻特性;当Ni金属相的体积分数<30%时,金属陶瓷电导率随着温度的升高而显著升高,呈现离子导电的温阻特性;随着烧结试样相对密度的增加和孔隙率的下降,金属陶瓷相对电导率逐渐增大。

基于人工神经网络的Ni-ZrO_(2)纳米镀层耐腐蚀性能预测

目的对Ni-ZrO_(2)纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数。方法采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO_(2)纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能。将ZrO_(2)粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO_(2)纳米镀层进行耐腐蚀性能的预测研究。结果当ZrO_(2)粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO_(2)纳米镀层的性能良好,表现出较小的自腐蚀电流密度。影响Ni-ZrO_(2)镀层自腐蚀电流密度的因素满足ZrO_(2)粒子浓度>电镀液温度>电镀电流密度。运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30%与10.74%。结论运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率。在训练样本较少的情况下,GRNN神经网络的预测性能更加精确。

柠檬酸凝胶法合成Ni-ZrO_2催化剂及其低温浆态床甲烷化性能研究

采用柠檬酸凝胶法制备不同温度焙烧的Ni-ZrO_2催化剂,考察了催化剂的表面性质和结构对低温浆态床CO甲烷化性能的影响.结果表明,随着焙烧温度的升高,催化剂的比表面积和孔容逐渐减小,金属Ni分散度先增加后减小,Ni晶粒先减小后增大.450℃焙烧的Ni-ZrO_2催化剂金属Ni分散度最高、Ni物种与载体ZrO_2的相互作用最强、对反应物CO分子的吸附作用适中且脱附量大,在260℃、1.0 MPa和H_2/CO摩尔比为3的条件下,CO转化率达到61.6%,且催化活性稳定,750℃焙烧的催化剂反应后金属Ni团聚且晶粒长大,导致催化剂失活.