项目名称: PVDF/无机催化剂复合多孔囊储氢材料及其氢气制备研究

项目编号: No.50903063

项目类型: 青年科学基金项目

立项/批准年度: 2010

项目学科: 金属学与金属工艺

项目作者: 陈英波

作者单位: 天津工业大学

项目金额: 19万元

中文摘要: 本项目结合高分子多孔材料制备原理和纳米催化剂应用技术,解决制备具有高孔隙率(内部填充体积)的聚偏氟乙烯多孔囊/无机纳米催化剂复合材料的基础问题;通过研究催化剂颗粒在多孔囊中的分布和稳定,增加反应物和催化剂的接触面积,提高反应活性;利用聚偏氟乙烯的耐非极性溶剂特性,进行负载硼氢化钠的研究,形成聚偏氟乙烯/纳米催化剂/硼氢化钠多孔复合材料,用于氢气制备,从而得到可方便与水反应生产氢气亦能组装成反应器的复合囊,为研发高效、稳定的便携式实时氢气制备装置提供理论依据。

中文关键词: 氢气;硼氢化钠;多孔囊;复合材料;

英文摘要:

英文关键词: hydrogen;sodium borohydride;porous capsule;composite;

成为VIP会员查看完整内容
0

相关内容

严新平院士:智能交通发展的现状、挑战与展望
专知会员服务
30+阅读 · 2022年3月17日
全球能源转型及零碳发展白皮书
专知会员服务
39+阅读 · 2022年3月1日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
中国工业机器视觉产业发展白皮书,31页pdf
专知会员服务
101+阅读 · 2020年11月14日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
全固态电池领域,小公司的加速度——恩力动力
创业邦杂志
0+阅读 · 2022年2月25日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
小贴士
相关主题
相关VIP内容
严新平院士:智能交通发展的现状、挑战与展望
专知会员服务
30+阅读 · 2022年3月17日
全球能源转型及零碳发展白皮书
专知会员服务
39+阅读 · 2022年3月1日
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
中国工业机器视觉产业发展白皮书,31页pdf
专知会员服务
101+阅读 · 2020年11月14日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
微信扫码咨询专知VIP会员