×

注意!页面内容来自https://blog.csdn.net/Allenkx/article/details/132739719,本站不储存任何内容,为了更好的阅读体验进行在线解析,若有广告出现,请及时反馈。若您觉得侵犯了您的利益,请通知我们进行删除,然后访问 原网页

【干货】3个方面快速学会如何对BET报告解读和分析

本文介绍了如何进行BET分析,涉及氮气吸脱附实验数据、BET比表面积计算、孔容区分、平均孔径估计以及吸脱附曲线和孔径分布的解释。涵盖了BET模型的应用、微孔和大孔的区别以及不同类型的吸附等温线特征。

物理吸附提供了测定催化剂表面积、平均孔径及孔径分布的方法(一般而言指N2吸脱附实验)。

在进行氮气吸脱附表征的时候一般会给出如下数据:氮气吸脱附曲线(Nitrogen adsorption-desorption isotherm),孔容(pore volume),孔径分布图(pore size distribution),平均孔径(average pore diameter)。

那么如何对报告进行BET分析呢?

1.分析报告中常用名词

2.报告总图(summary report)

 2.1  BET比表面积(BET surface area)

使用不同的计算模型得到的比表面积有所不同,使用BET计算模型得到的比表面积是目前使用最普遍的。

 2.2  孔容

总孔容减去微孔孔容可以得到介孔和大孔孔容,当大孔孔容贡献较小的时候,可以近似为介孔孔容:Vmes+Vmac=Vtotal-Vmic≈Vmes,使用压泵法可以得到较为准确的大孔孔容。

 2.3  平均孔径

平均孔径的计算是基于孔都是圆柱形孔结构的假设来计算的,一般使用BJH方法来计算脱附枝曲线。

3.曲线的作图分析

 3.1  吸脱附曲线

找到对应的isotherm tabular report数据,并将这两列数据导入origin里面作图就可以得到吸脱附曲线。

上图是不同吸附等温线的类型,I型等温线在较低的相对压力下吸附量迅速上升,达到一定相对压力后吸附出现饱和值。一般,I型等温线往往反映的是微孔吸附剂(分子筛、微孔活性炭)上的微孔填充现象。

II型等温线反映非孔性或者大孔吸附剂上典型的物理吸附过程。III  型等温线十分少见。VI型等温线是一种特殊类型的等温线,反映的是无孔均匀固体表面多层吸附的结果。

IV型等温线与II型等温线类似,但曲线后一段再次凸起,且中间段可能出现吸附回滞环,其对应的是多孔吸附剂出现毛细凝聚的体系。

回滞环多见于IV型吸附等温线,根据最新的IUPAC的分类,有以下六种(1985年的标准主要是H1H2aH3H4这四种)

H1和H2型回滞环吸附等温线上有饱和吸附平台,反映孔径分布较均匀。H1型迟滞回线可在孔径分布相对较窄的介孔材料,和尺寸较均匀的球形颗粒聚集体中观察到。

而H2型反映的孔结构复杂,可能包括典型的“墨水瓶”孔、孔径分布不均的管形孔和密堆积球形颗粒间隙孔等。H2a型回滞环常见于硅凝胶以及一些有序三维介孔材料,比如说SBA-16KIT-5。

H2b型相对于H2a型来说,孔颈宽度(neck width)的尺寸分布要宽得多,常见于介孔泡沫硅(MCFs)和一些经过水热处理后的有序介孔硅材料。

H3和H4型回滞环等温线没有明显的饱和吸附平台,表明孔结构很不规整。

 3.2  孔径分布

BJH方法吸脱附孔径分布原始数据,一般用dV/dD(或者dlogD)来作图,一般来说,孔径分布图应该以脱附曲线为准(desorption),查看dV/dD以及dV/dlogD图;

由于采用对数形式,通常dV/dlogD的曲线编号幅度要更明显,因此孔径分布图应优先看脱附曲线dV/dlogD,其次可以结合脱附曲线dV/dD,但是如果脱附曲线孔径分布出现3.8nm强峰,则要以吸附曲线 的dV/dD以及dV/dlogD为准。

 3.3  微孔部分孔径分布

HK孔径分布:HK方法可以得到微孔部分的孔径分布。纵坐标最高点对应的孔径为微孔范围内样品最集中的孔的尺寸。

 3.4  累计孔容图(cumulative pore volume)

通过累计孔容图可以知道相应孔径对孔容的贡献,也可以直接通过对incremental pore volume得出对应孔径贡献孔容的大小。两种作图分析方法分别如下图所示:

将不同的孔径分布作图方式列举在一起,有一个直观的印象。

更多科研干货教程,可以点击下面链接获取哦~

数据分析

 

确定要放弃本次机会?
福利倒计时
: :

立减 ¥

普通VIP年卡可用
立即使用
参与评论 您还未登录,请先 登录 后发表或查看评论
代码下载链接: https://pan.quark.cn/s/a4b39357ea24 依据所提供的文件信息,以下是对“MR-JET-G达成CC-LINK IE Field Basic通信”的相关知识点进行归纳总结:1. 接线关键点: - 驱动器上CN3控制接头的规格型号为MR-CCN1,属于20引脚接头。 - 常规接线包含前后极限、DOG触点、急停按钮、制动MBR信号。 - LSP、LSN默认连接常闭触点,若需屏蔽这两个极限触点,需通过参数PD01.2调整为C状态。 - DOG、LSP、LSN信号能够接入PLC,经由链接地址自动传输至伺服端。 - 参数PD41.3设定为1意味着从控制器接收DOG、LSP、LSN信号,通过链接地址RWwn19的第9、10、11位完成。 - 当LSP、LSN接线位置互调时,可借助参数PD03、PD04修正对应功能,无法通过PA14旋转方向进行调节。2. 参数配置: - PA01.0=0:设定控制模式为标准控制模式。 - PN22=1:选择映射模式。 - NPA01=1:驱动器IP地址依据参数进行选取。 - PN13=4:采用CC-LINK IE Field Basic网络。 - NPA12=1:确定使用100M网络。3. JOG点动控制: - 当控制模式(6060)设置为3时,通过控制指令(6040)分配JOG速度值。 - 正转、反转、停止分别对应速度值的正数、负数、零值。4. 回原点流程: - 可通过参数PT45变更回原点方式,包含正向运行、负向运行、数据设定型等类型。 - 犬点(DOG)信号逻辑与功能可通过PD60.2、PT29.0参数进行调节。 - 控制模式(6060)为6时,通过控制指令(6040)赋予H1F值来启动回原点...
内容概要:本文围绕并网与离网模式下的风光互补制氢合成氨系统,开展容量配置与运行调度的联合优化分析,通过Python代码实现了系统建模与优化求解的全过程。研究充分考虑风能与光伏发电的间歇性与波动性特征,结合电解水制氢设备的变负载运行能力启停动态特性,构建了涵盖可再生能源发电、电解制氢、氢气储存及合成氨生产的多能耦合系统优化模型。采用数学规划方法对系统在不同运行场景下的设备最优容量配比时序调度策略进行求解,旨在提升可再生能源就地消纳水平,降低综合制氨成本,增强系统运行的经济性与可靠性。该研究特别适合作为电工杯等数学建模竞赛的参考案例,提供了从建模思路、代码实现到论文撰写的完整解决方案。; 适合人群:具备一定Python编程与数学建模基础,从事新能源系统集成、综合能源系统优化、电力系统调度等方向的科研人员及高校研究生,尤其适合备战电工杯、认证杯等工程类数学建模竞赛的本科生与研究生。; 使用场景及目标:①复现并离网风光制氢合成氨系统的容量-调度一体化优化模型;②支撑科研论文写作、课程设计或学科竞赛项目开发;③深入掌握线性规划、混合整数规划等优化方法在多能互补系统中的建模与应用技巧。; 阅读建议:建议结合提供的完整Python代码与YALMIP等优化工具包进行动手实践,重点关注风光出力不确定性、电解槽动态响应约束在模型中的量化处理方法,并通过调整参数进行多场景仿真对比,以深化对系统运行机制与优化逻辑的理解。
内容概要:本文针对密集型复杂城市场景下的无人机三维路径规划问题,提出了一种基于Q-learning算法的解决方案,并提供了完整的Matlab代码实现。研究重点在于利用强化学习中的Q-learning方法,解决城市环境中障碍物密集、空间受限条件下无人机的自主避障与最优路径搜索难题。通过科学构建状态空间、动作空间及奖励函数,使无人机能在未知或动态变化的三维城市环境中自主学习并不断优化飞行路径,最终实现安全、高效的导航。研究内容涵盖环境建模、算法设计、参数调优及仿真验证全流程,充分展示了该方法在路径安全性、规划效率环境适应性方面的优越性能。; 适合人群:具备一定机器学习与强化学习理论基础,熟悉Matlab编程语言,从事无人机自主导航、智能交通系统、城市物流配送、应急救援路径规划等方向研究的研究生、科研人员及工程技术开发者。; 使用场景及目标:①应用于复杂城市环境中的无人机快递配送、基础设施巡检、灾害应急搜救等实际任务的路径规划;②为强化学习算法在三维空间自主导航中的工程化落地提供可复现的技术范例与仿真测试平台;③服务于高校科研项目、学科竞赛、课程设计及教学演示等教育与科研活动。; 阅读建议:建议读者结合提供的Matlab代码进行仿真运行,深入理解Q-learning算法在三维路径规划中的具体实现机制,重点关注状态表示的设计、奖励函数的构造策略以及算法收敛性分析过程,并可根据特定应用场景对模型进行改进与拓展实验。
内容概要:本文研究基于粒子群优化(PSO)与动态窗口法(DWA)相结合的无人机三维动态避障路径规划方法,提出一种融合PSO全局寻优能力与DWA局部实时避障能力的混合算法,并通过Matlab实现仿真验证。该方法在复杂动态环境中能够有效规划出安全、平滑且兼顾路径长度、避障安全性、能耗与飞行稳定性的最优飞行路径,解决了传统DWA易陷入局部最优的问题,提升了路径规划的全局优化能力与实时性,适用于密集城市或动态障碍物频繁出现的应用场景。文中系统阐述了算法原理、数学模型构建、目标函数设计、关键参数设置及仿真结果对比分析,充分展示了该混合算法相较于单一方法在路径质量与计算效率上的综合优势。; 适合人群:具备一定算法基础Matlab编程能力的研究生、科研人员及从事无人机导航、智能交通、机器人路径规划等相关领域的工程技术人员,尤其适合参加数学建模竞赛或从事智能优化算法应用研究的人员。; 使用场景及目标:①应用于无人机在三维复杂空间中的自主导航与动态避障任务;②克服传统DWA算法在全局路径优化方面的局限性,提升系统在未知或动态环境下的适应能力;③为智能无人系统在实际复杂环境中的实时决策与路径生成提供可靠的算法支持与完整的仿真验证方案。; 阅读建议:建议结合提供的Matlab代码进行仿真实践,深入理解PSO与DWA的融合机制,重点关注目标函数的设计思路与多目标权衡策略,以及算法参数的敏感性分析,可进一步拓展至多无人机协同避障、动态威胁规避或多目标优化等高级应用场景。
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
点击重新获取
扫码支付
< type="text/css">
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值