泡沫浮选用于回收有机体系中纳米颗粒的工艺研究

来源 :河北工业大学 | 被引量 : 0次 | 上传用户:blacksi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
泡沫浮选是矿物加工行业中广泛使用的一种绿色分离方法,可有效回收水溶液中的表面活性物质。而对于在有机溶剂体系中浮选回收纳米颗粒的研究还未见任何文献报道。本文主要目的在于研究不同有机体系的泡沫性能和应用于纳米颗粒的回收工艺,并开发了有效分离方法。首先,研究了不同种类表面活性剂在不同极性的有机液体系中的泡沫性能。碳氢类的表面活性剂在非极性有机溶剂中不能形成泡沫。与碳氢类的表面活性剂相比,氟碳表面活性剂在很大程度上促进了体系发泡能力并且在有机相中稳定。通常,无论哪种类型的表面活性剂,溶剂中表面活性剂浓度增加到一定程度时泡沫体积呈现缓慢增加的趋势。研究发现,在表面活性剂浓度一致时,芳烃族表现出比烷烃更强的起泡性,并且得出甘油的起泡性能比石蜡高。在相同的溶剂中,氟碳表面活性剂泡沫性能比普通表面活性剂强。其次,在纯有机体系中,综合考虑泡沫性能和对Cu O纳米颗粒的捕获性能,选择CAB作为捕获剂从DMSO中回收Cu O纳米颗粒。在泡沫浮选中,Cu O纳米颗粒浓度20 mg/L,气体体积流速130 m L/min和装液量130 m L,采用孔径为180μm的气体分布器,通过泡沫浮选从DMSO中回收Cu O纳米颗粒,获得的Cu O纳米颗粒富集比和回收率分别为20.52和91.5%。最后,在含有机体系中,以TiO2纳米光催化剂为研究对象,开发了一种泡沫浮选耦合超滤的工艺,纳米TiO2光催化剂的富集比为22.52,远高于泡沫浮选或超滤操作。耦合操作的渗透通量比超滤操作增加了150%,此外,超滤膜的使用寿命增加了133%。综上,在有机体系中研究开发泡沫浮选新工艺,有利于拓展泡沫浮选的应用范围。本文的工作旨在为工业催化下游处理提供一种高效可行的分离技术,同时为拓宽泡沫浮选的工业应用奠定基础。
其他文献
局域表面等离激元(Localized Surface Plasmon Polaritons,LSPP)是外电磁场和金属自由电子的耦合振荡,一直是研究的一大热点。一方面是由于局域表面等离激元应用非常广泛,例
人物观点和活动抽取系统是指从非结构化的文本语料中,抽取指定人物的观点(人物观点)和活动信息。人物活动多种多样,本文主要关注人物参加的事件(人物事件)。这类抽取系统可用
安全多方计算是保密通信的重要部分和热门研究领域,而两方保密比较又是安全多方计算的基本问题,其主要目的就是对两个参与方的保密信息进行比较,同时又不能泄露参与方所比较
目的1.观察锌转运体Zip2(SLC39A2)在心肌缺血/再灌注过程中对线粒体呼吸的调控作用。2.探讨锌转运体Zip2调控线粒体呼吸的分子机制。方法构建Zip2-Knockout纯合子小鼠;建立小鼠在体心肌缺血/再灌注损伤模型;小鼠在体重组腺相关病毒(AAV)转染;采用Western blotting法检测小鼠心肌组织中p-STAT3(Ser727)、STAT3、p-ERK、ERK及Tubulin
热带、亚热带地区是我国主要的露地秋冬樱桃番茄种植区域。然而由于樱桃番茄的长期连年种植,造成樱桃番茄种植农田土壤pH值下降,保肥能力变差,总体质量降低,进而导致樱桃番茄产量品质降低。生物炭可以提高土壤pH值及保肥能力,改良土壤质量,对作物的产量与品质也有明显的提升作用。因此,本研究以广西田阳地区露地樱桃番茄为研究对象,通过设置四个不同生物炭施用量(0、5、10、20 t/hm2)来研究生物炭对露地樱
目的:设计胸椎联合导航模板,并在体外模型以及实际手术中应用,评价其辅助放置椎弓根螺钉的准确率、安全性和稳定性。方法:2015年01月至2016年12月,对10例胸椎手术患者(实验组
随着现代社会的高速发展,人类日常生活中所处的环境与人类本身之间的关系更加紧密地联系在一起,并成为生活中最重要的一部分。因此,环境状况的图像监控成为一个重要的研究领
常压等离子体具有不需要真空系统、可实现连续生产、节能环保等优点,在聚合物材料表面改性方面具有很好的应用前景。作为一种重要的聚合物材料,聚酯纤维及其制品广泛的用于生
土壤源热泵技术利用浅层地热能进行供热和制冷,具有清洁、高效,稳定的特点。在进行热泵系统设计时,往往将土壤作为等效的均匀介质进行地埋管换热器的设计计算,忽略了地质环境的影响。基于实际的地质分层状况,在多孔介质传热理论的基础上,本文建立了考虑地下水渗流的分层地埋管换热器数值模型,计算了地埋管换热器中U型管内的水温分布特性,地埋管换热器周围土壤的温度分布及其换热特性,分析了岩土轴向分层和地下水渗流对地埋
随着科技的不断发展,图像渐渐成为生活中主要的信息载体,图像数量呈现爆炸性增长,但现在的计算机对图像的处理速度并不能跟上其数量的增长速度。我们希望机器能够像人一样准