[发明专利]分层核壳结构催化剂、制备方法、低温催化氧化甲苯应用有效
申请号: | 202111401911.1 | 申请日: | 2021-11-19 |
公开(公告)号: | CN113976115B | 公开(公告)日: | 2023-09-19 |
发明(设计)人: | 陈浩;彭银仙;王静;田志全;陆肖苏 | 申请(专利权)人: | 江苏科技大学 |
主分类号: | B01J23/656 | 分类号: | B01J23/656;B01J35/10;B01D53/86;B01D53/72 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 余俊杰 |
地址: | 212100 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分层 结构 催化剂 制备 方法 低温 催化 氧化 甲苯 应用 | ||
1.用于低温催化氧化降解甲苯的负载铂纳米粒子的分层核壳结构催化剂,其特征在于,所述催化剂以介孔二氧化铈纳米棒作为核,包覆层为二氧化锰纳米片层及负载在其上的活性组分,所述活性组分为铂纳米颗粒;所述介孔二氧化铈纳米棒占催化剂的质量分数为90 wt%~98.9 wt%,二氧化锰纳米片层占催化剂的质量分数为0.1 wt%~9.5 wt%,铂纳米颗粒占催化剂的质量分数为0.01 wt%~0.5 wt%;所述催化剂由以下方法制得:
S1、将硝酸铈、尿素分别分散于蒸馏水中后混合,进行反应釜水热反应,将得到的沉淀进行干燥处理后再煅烧,得到介孔二氧化铈纳米棒mCeO2,其中硝酸铈与尿素的质量比为1.5~4:1;
S2、将mCeO2分散于蒸馏水中后与硝酸锰混合,进行反应釜水热反应,反应完成后对沉淀进行干燥处理,得到包覆了二氧化锰纳米片层的介孔二氧化铈纳米棒核壳结构mCeO2@MnO2,其中mCeO2与硝酸锰的质量比为1:0~15,且不为0;
S3、将mCeO2@MnO2、铂化合物同时分散于蒸馏水中进行浸渍反应,浸渍完成后与还原剂混合进行还原反应,反应完成之后对沉淀进行干燥处理,得到负载铂纳米粒子的分层核壳结构催化剂Pt/mCeO2@MnO2,其中mCeO2@MnO2与铂化合物的质量比为1:0.001~0.02;
其中,S1和S2中反应釜水热反应的温度为 120~160℃,时间为6~16 h;S3中的还原剂为硼氢化钠、水合肼或抗坏血酸,其中还原剂的添加量与催化剂的质量比为1:0.01~0.1。
2.根据权利要求1所述的用于低温催化氧化降解甲苯的负载铂纳米粒子的分层核壳结构催化剂,其特征在于,所述介孔二氧化铈纳米棒直径为 50~150 nm,二氧化锰纳米片层的厚度为 5~20 nm,铂纳米颗粒的粒径为 2~20 nm。
3.根据权利要求1所述的用于低温催化氧化降解甲苯的负载铂纳米粒子的分层核壳结构催化剂,其特征在于,所述催化剂在165℃、甲苯浓度为 1000 ppm 条件下对甲苯的降解率达到 95.6%。
4.权利要求1或2所述的用于低温催化氧化降解甲苯的负载铂纳米粒子的分层核壳结构催化剂的制备方法,其特征在于,所述方法包括以下步骤:
S1、将硝酸铈、尿素分别分散于蒸馏水中后混合,进行反应釜水热反应,将得到的沉淀进行干燥处理后再煅烧,得到介孔二氧化铈纳米棒mCeO2,其中硝酸铈与尿素的质量比为1.5~4:1;
S2、将mCeO2分散于蒸馏水中后与硝酸锰混合,进行反应釜水热反应,反应完成后对沉淀进行干燥处理,得到包覆了二氧化锰纳米片层的介孔二氧化铈纳米棒核壳结构mCeO2@MnO2,其中mCeO2与硝酸锰的质量比为1:0~15,且不为0;
S3、将mCeO2@MnO2、铂化合物同时分散于蒸馏水中进行浸渍反应,浸渍完成后与还原剂混合进行还原反应,反应完成之后对沉淀进行干燥处理,得到负载铂纳米粒子的分层核壳结构催化剂Pt/mCeO2@MnO2,其中mCeO2@MnO2与铂化合物的质量比为1:0.001~0.02;
其中,S1和S2中反应釜水热反应的温度为 120~160℃,时间为6~16 h;S3中的还原剂为硼氢化钠、水合肼或抗坏血酸,其中还原剂的添加量与催化剂的质量比为1:0.01~0.1。
5.根据权利要求4所述的用于低温催化氧化降解甲苯的负载铂纳米粒子的分层核壳结构催化剂的制备方法,其特征在于,S1和S3中干燥处理为在 50~60℃ 温度的条件下干燥处理 12~36 h。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏科技大学,未经江苏科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111401911.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:挥发性气体冷凝吸附系统
- 下一篇:一种基于BP神经网络的燃料电池建模方法