Preparation of highly dispersed CuO-ZnO-ZrO<sub>2</sub> catalysts and their improved catalytic performance for hydrogenation of CO<sub>2</sub>
Notice bibliographique
Résumé
Highly dispersed CuO-ZnO-ZrO 2 (CZZ) catalysts were prepared by the citrate gel method. The structures of catalysts and precursors were characterized by XPS, BET, XRD, H 2 -TPR, H 2 -TPD, CO 2 -TPD, and TG-DTA. The effects of wet gel drying time and citric acid dosage on the catalyst structure were studied and compared with the catalysts prepared by the combustion method to investigate the performance of different catalysts for CO 2 hydrogenation to methanol. Studies have shown that prolonging the drying time of wet gel can effectively prevent the splashing of the catalyst during calcination. The BET surface area of the catalyst dried at 120 °C for 48 h is 44.8 m 2 /g, which is higher than that of the combustion method. When the amount of citric acid is equal to the stoichiometric ratio, the catalyst has the best performance. Under the conditions of 240 °C, 2.6 MPa, space velocity of 3600 h –1 , and H 2 /CO 2 volume ratio of 3, the space–time yield of methanol reaches 110.3 g/(kg h). Excessive citric acid will affect the dispersion of catalyst components and result in decomposition residue covering catalyst surface active sites, which is not conducive to CO 2 hydrogenation reaction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».