-
公开(公告)号：CN119608231A
公开(公告)日：2025-03-14
申请号：CN202411832929.0
申请日：2024-12-13
Applicant: 上海交通大学 , 陕西柴油机重工有限公司
Abstract: 本发明提供了一种铜基分子筛催化剂及其制备方法和在选择性还原NOx中的应用，属于分子筛技术领域。本发明通过调节SSZ‑13分子筛制备过程中的前驱体导向剂Na+/TMAda+比例及Cu/SSZ‑13催化剂制备过程中的Cu负载量，可对催化剂表面的Cu离子活性位点进行调控优化，从而制备得到一种能够高选择性还原NOx的NH3‑SCR铜基分子筛催化剂，可在保持高NOx转化率的同时有效抑制柴油发动机尾气中N2O生成。
-
公开(公告)号：CN119500133A
公开(公告)日：2025-02-25
申请号：CN202411705219.1
申请日：2024-11-26
Applicant: 上海交通大学
IPC: B01J23/745 , B01D53/86 , B01D53/62 , B01D53/78 , B01J35/61 , B01J35/64 , B01J23/755 , B01J23/72 , B01J23/10 , B01J35/63
Abstract: 本发明属于二氧化碳捕集技术领域，具体涉及一种负载型催化剂及其制备方法和应用、有机胺溶液再生的方法。本发明提供的负载型催化剂，包括γ‑Al2O3和负载于所述γ‑Al2O3表面和孔道中的Zr和M金属，所述M金属包括Fe、Ni、Cu或Ce。本发明提供的负载型催化剂以γ‑Al2O3作为载体，赋予了负载型催化剂以介孔结构，为催化活性位点和反应物提供了更有效的接触；以Zr和M金属作为活性组分，组合成双金属负载型固体酸催化剂；双金属的协同作用赋予了负载型催化剂更强的酸性和含量更高的Bronsted和Lewis酸位点。将负载型催化剂用于催化解吸富CO2有机胺溶液能够使其在较低温度下进行解吸减少再生成本。
-
公开(公告)号：CN119021808A
公开(公告)日：2024-11-26
申请号：CN202411237302.0
申请日：2024-09-05
Applicant: 江苏上交碳中和科技有限公司 , 上海交通大学 , 无锡碳中和动力技术创新中心
IPC: F02M31/135
Abstract: 本发明公开了一种混合器及氨发动机用氨气与空气混合预热系统，涉及内燃机技术领域，其中的混合器包括：主流道和环形流道，主流道用于流通第一种气体；环形流道用于流通第二种气体，环形流道套于所述主流道外，所述主流道和所述环形流道之间设置有沿着周向分布的多个连通孔。本发明还提供一种氨发动机用氨气与空气混合预热系统；本发明提出的混合器可以有效促进氨‑空气的混合，提升混合气各组分均匀性，有利于缸内多点引燃氨气。氨发动机用氨气与空气混合预热系统可以有效利用尾气热能，提升一部分混合气的温度，进而改善缸内燃烧效率。
-
公开(公告)号：CN118949999A
公开(公告)日：2024-11-15
申请号：CN202411009817.5
申请日：2024-07-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种NiCa基双功能材料及其制备方法和应用、直接空气二氧化碳捕集和原位转化制备甲烷的一体化方法，涉及碳捕集技术领域。本发明提供了一种NiCa基双功能材料，化学组成包括氢氧化钙和镍单质，镍单质的质量含量为5～20％。本发明以氢氧化钙为CO2吸附剂，以镍为催化剂，对极低浓度的CO2的吸附量远大于现有的K基和Na基吸附剂。本发明提供的NiCa基双功能材料在室温下对400ppm CO2的吸附量高达8.96mmol/g，原位转化得到的CH4的产量高达8.60mmol/g，能够实现极低浓度CO2的高效捕集，原位转化的CH4的产量和选择性高，对直接空气二氧化碳捕集和原位转化制备甲烷的性能优异。
-
公开(公告)号：CN118904293A
公开(公告)日：2024-11-08
申请号：CN202411194668.4
申请日：2024-08-29
Applicant: 上海交通大学
Abstract: 本发明提供了一种直接空气二氧化碳吸附剂及其制备方法和一种吸附剂的电驱动焦耳热再生方法，属于二氧化碳吸附、吸附剂再生技术领域。本发明提供的直接空气二氧化碳吸附剂包括载体和负载在所述载体表面的活性成分和导电材料。本发明二氧化碳吸附剂中的活性成分能够吸附二氧化碳，载体增加了吸附剂的比表面积，能够暴露出更多的吸附位点，提高二氧化碳的吸附量；加入导电材料，在后续通电再生过程中，具有良好的导电性，在吸附剂内部产生电流，通过电流产生的焦耳热从吸附剂的内部进行加热，传热速度快，且热量分布更为均匀，从而提高二氧化碳的脱附效果，本发明提供的二氧化碳吸附剂在再生过程中，二氧化碳完全脱附。
-
Patent Agency Ranking
公开(公告)号：CN117839377A
公开(公告)日：2024-04-09
申请号：CN202311730484.0
申请日：2023-12-15
Applicant: 上海交通大学
Abstract: 本发明涉及二氧化碳捕集利用技术领域，公开了一种基于二氧化碳吸附催化双功能材料的捕集转化一体化系统，包括固定床反应器A和固定床反应器B，固定床反应器A的一端通过第一四通换向阀连接固定床反应器B的一端，固定床反应器A的另一端通过第二四通换向阀连接固定床反应器B的另一端，两个固定床反应器上均填充有吸附催化双功能材料，吸附催化双功能材料基于碱金属吸附剂和过渡金属催化剂组成，两个固定床反应器由两个工作模式进行周期性切换实现循环。本发明利用吸附催化双功能材料，可在常温下吸附空气中的CO2，吸附后不进行脱附，而是直接升温加氢催化反应制取甲烷，同时实现吸附剂的再生，实现低能耗、一体化的CO2捕集和资源化利用。
-
公开(公告)号：CN115480552A
公开(公告)日：2022-12-16
申请号：CN202110665636.8
申请日：2021-06-16
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 一种无人船动力系统的故障诊断、预测及处置系统，包括：动力系统、自动控制系统、船载故障诊断系统和岸基云管理系统，其中：动力系统根据自动控制系统下达的指令；自动控制系统根据摄像头和雷达传输过来的外部环境信息，根据相应算法生成航行路线；船载故障诊断系统根据各类传感器监测到的无人船行驶状态下的运行数据，运用关联规则分类算法同数据库进行比对，得到无人船的实时故障诊断结果；岸基云管理系统根据云诊断模块上传的信息，利用已有的故障模型进行评估并优化故障模型，得到无人船的故障诊断结果。本发明能使故障诊断与预测模型细节越来越完善，精度越来越高，满足无人船船载故障诊断系统在长距离运输过程中高可靠高精度的要求，提高了无人船在行驶过程中的安全性与可靠性，有利于实现无人船的自主航行。
-
公开(公告)号：CN115324698A
公开(公告)日：2022-11-11
申请号：CN202210947555.1
申请日：2022-08-09
Applicant: 上海交通大学
Abstract: 一种基于神经网络的柴油机尾气分析传感方法，利用气体传感器阵列获取污染物气体浓度响应特性曲线；从响应曲线中提取特征值；通过基于模型特征重要性排序的特征选择方法剔除冗余数据后，训练并测试预测神经网络模型，再将训练后的预测神经网络模型用于在线阶段的柴油机尾气识别分析，得到柴油机污染物浓度实时检测数值。本发明构建数据与地区污染物排放因子之间的预测模型，解决电阻型传感器对NO,NO2,NH3等气体的交叉敏感性的问题，实现对污染物组分的定量识别。
-
公开(公告)号：CN113032912A
公开(公告)日：2021-06-25
申请号：CN202110421987.4
申请日：2021-04-20
Applicant: 上海交通大学
IPC: G06F30/15 , G06F30/27 , G06K9/62 , G06F119/08 , G06F119/14
Abstract: 一种基于关联规则的船舶柴油机故障检测方法，通过模拟船舶柴油机故障，记录故障类别及发动机运行参数，建立柴油机原始故障数据库；对数据库依次进行特征变量选取、数据归一化、数据离散化，以及通过分层随机抽样，按照比例划分训练集和测试集；故障检测模型建立：通过关联规则分类算法，得到运行参数与故障之间的关联规则集，应用该关联规则集测试数据集，预测数据集对应的故障状态，得到故障检测精度，并进行参数优化；利用故障检测模型建立船舶柴油机故障规则库，制出关联规则散点图，提取重要规则并运用基于K‑means聚类分组矩阵和矢量图方法进行可视化。本发明缩减了数据的处理时间，提高了系统实时性。
-
公开(公告)号：CN109201066A
公开(公告)日：2019-01-15
申请号：CN201710525159.9
申请日：2017-06-30
Applicant: 上海交通大学
Abstract: 一种用于静电场协同去除甲烷的钯铈锆复合金属氧化物催化剂，以氧化钯(PdO)、氧化铈(CeO2)、氧化锆(ZrO2)作为主活性组分，该催化剂中钯元素占总质量的1％，其余为铈锆基载体。本发明针对各种金属氧化物催化活性和选择性的不同温度特性以及与静电场协同耦合的协同效应，本发明具有能实现在反应温度为200～500℃内针对0.2％的低浓度甲烷有着较高的催化氧化效率，并且与静电场协同耦合后，甲烷催化氧化的起燃温度能实现显著降低，去除甲烷的效率能实现显著的提升。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
