源自水滑石的Cu-Al混合氧化物用于通过酯交换反应合成碳酸二甲酯:动力学分析及GA-BP神经网络建模

《Molecular Catalysis》:Hydrotalcite-derived Cu-Al mixed oxides for dimethyl carbonate synthesis via transesterification: Kinetic analysis and GA-BP neural network modeling

【字体: 大 中 小 】 时间:2026年04月11日 来源:Molecular Catalysis 4.9

编辑推荐:

  Cu-Al混合氧化物催化剂(CxA-LDO)通过煅烧LDHs前驱体制备,在温和条件下(80°C,2 h,2.0 wt%负载)实现了丙碳酸(PC)与甲醇(MeOH)的酯交换反应,最佳条件下DMC产率达57.29%和57.93%转化率,表面碱性是决定活性的关键因素,但催化剂在六次循环后因铜溶出(8.1 wt.%损失)显著失活。GA-BP神经网络模型展现出高预测精度(R2=0.997),为催化剂理性设计提供实验-计算协同策略。

  
马晓菲|郝世姣|姜慧|齐伟倩|王赫芳
河北工业大学化学工程与技术学院,天津 300130,中国

摘要

通过层状双氢氧化物(LDHs)前驱体的煅烧制备的Cu-Al混合氧化物催化剂(CxA-LDO)被用于丙酸甲酯(PC)与甲醇的酯交换反应以生成碳酸二甲酯(DMC)。表征研究表明,煅烧温度和Cu/Al摩尔比对催化剂的表面碱性和结构稳定性有重要影响。在最佳条件下(80°C,2小时,2.0 wt%的负载量,MeOH/PC = 10:1),C0.5A-400-LDO催化剂实现了57.93%的PC转化率和57.29%的DMC产率(TON = 28.94)。表面碱性被确定为该反应的关键控制因素。这一结论得到了反应速率与总碱性位点数量之间强相关性的支持。然而,经过六次循环后,催化剂活性显著下降(PC转化率从57.93%降至47.2%),ICP-AES分析明确指出这是由于铜的显著流失(净损失8.1 wt%)而非烧结所致。动力学分析揭示了复杂的反应机制,该机制可简化为伪一级反应行为。正向反应的活化能Ea(k+) = 51.61 kJ·mol-1,逆向反应的活化能Ea(k-) = 55.34 kJ·mol-1。同时,开发了一种基于混合遗传算法优化的反向传播(GA-BP)神经网络。与传统BP模型相比,GA-BP模型在预测准确性上表现出优越性(训练集R2 = 0.997,测试集R2 = 0.977),并且误差指标显著降低。本研究不仅有助于深入理解碱性催化的酯交换反应,还提出了一种适用于合理催化剂设计的实验-计算协同策略。

引言

碳酸酯是一类重要的可持续化学化合物。由于其独特的结构,它们在化学制造和生物技术中作为多功能构建块[1,2]。作为最简单的碳酸酯,碳酸二甲酯(DMC)具有活性的羰基和甲氧基官能团。这种结构赋予了其独特的物理化学性质,从而引发了对其应用的广泛研究[3]。作为溶剂,DMC具有优异的性能,包括低毒性、快速生物降解性和良好的粘度。这些特性使其成为从锂离子电池电解质到合成化学等多种应用的理想环保介质[4]。DMC的主要应用有两个方面:一是作为含氧燃料添加剂,利用其高氧含量(53.3 wt%);二是作为有毒试剂(如硫酸二甲酯和光气)的安全、无害替代品。这种替代显著降低了传统化合物带来的环境和健康风险[5]。
DMC的合成受到了大量研究关注。主要的方法包括基于光气的合成[6,7]、甲醇的氧化羰基化[8,9]、从甲醇和CO2直接合成[10,11]、尿素的醇解[12,13]以及酯交换[14,15]。其中,丙酸甲酯(PC)与甲醇的酯交换反应是中国DMC生产的主要工业路线。该过程因其温和的反应条件和高的产品选择性而备受青睐[16]。
在酯交换反应中,甲醇钠是最常用的均相催化剂,表现出优异的催化活性[17]。然而,均相系统存在实际限制,如催化剂回收困难以及产品分解和聚合等副反应的发生。相比之下,非均相催化剂系统具有明显优势,特别是易于分离和更高的可重复使用性[18]。尽管如此,文献表明许多非均相催化剂需要苛刻的反应条件(如高温和高压)。这一要求对工业化应用构成了重大技术障碍[19]。因此,开发在温和条件下(如常压和低温)高效运行的非均相催化剂具有重要的工业意义。
已有多种非均相催化剂被用于DMC的酯交换合成。典型的例子包括碱金属硅酸盐[20]、离子交换树脂[21]以及由层状双氢氧化物(LDHs)衍生的固体碱催化剂[22]。其中,通过高温煅烧LDHs前驱体获得的混合金属氧化物尤为值得注意。这些材料具有高的金属分散性,并且对于催化作用而言,其表面酸碱性质可调[23]。它们的通用公式为[M2+1-mM3+m(OH)2]m+An-)m/n·yH2O [[24], [25], [26], [27]],其中M2+和M3+分别代表二价(如Mg2+、Ca2+、Cu2+)和三价(如Al3+、Fe3+、La3+)阳离子;m值表示M2+/(M2+ + M3+)的摩尔比,而An-是电荷平衡阴离子。调节碱性位点的数量和强度是提高酯交换活性的关键策略。例如,Wang等人[28]合成了用过渡金属改性的Mg-Al固体碱催化剂,并发现催化性能主要取决于表面碱性强度和碱性位点的数量,其中Fe改性的样品由于碱性位点最多而表现出最高的PC转化率(66.2%)。类似地,Unikrishnan等人[29]报告称,对于稀土改性的Mg-Al三元氧化物,催化活性(转化率和TON)与单位表面积的碱性位点数量(μmol/m2)有很强的相关性。此外,Kumar等人[30]对Cu-Zn-Al(CZA)LDHs的研究证实,300°C下煅烧的催化剂(CZA-300)在弱酸区和强酸区都保持了较多的碱性位点,从而实现了最高的催化效率。这些研究强调了LDHs衍生催化剂的潜力。尽管基于Cu的催化剂在甲醇氧化羰基化方面被广泛研究[9],但其应用常常受到氧化铜烧结和稳定性问题的限制。然而,从LDHs前驱体衍生的Cu基催化剂可以通过提供原子级分散的活性位点、抗烧结的结构和可再生的催化表面来缓解这些问题[25,26]。因此,本研究系统评估了用于该酯交换反应的LDHs衍生Cu基催化剂,旨在阐明在最佳条件下的结构-活性关系。
在复杂的催化系统中优化实验设计和提高生产力仍然是重大挑战。人工神经网络(ANNs)已成为不可或缺的预测建模工具,能够捕捉传统线性模型常忽略的复杂非线性参数相互作用(如反应物比例、催化剂类型、催化剂负载量、反应时间和温度[31]。虽然标准反向传播(BP)网络可以通过迭代学习近似输出[32,33],但它们容易陷入局部最小值且收敛速度慢。将BP与遗传算法(GA)结合使用可以克服这些限制,显著提高预测准确性和速度[34,35]。对于DMC合成,这种混合方法实现了多参数的同时优化,并加速了催化剂开发,为反应工程提供了可靠的框架。
本研究旨在通过实验和计算相结合的方法系统研究Cu-Al LDO催化剂在DMC合成中的应用,重点关注三个主要目标:(ⅰ)通过研究关键合成变量(即煅烧温度(200–800°C)和Cu/Al摩尔比(0.1:1–3:1)对催化性能的影响来优化催化剂制备;(ⅱ)开发酯交换反应的动力学模型,以建立明确的结构-活性关系,从而定量分析碱性位点数量对性能的影响;(ⅲ)构建混合遗传算法-反向传播(GA-BP)神经网络,并验证其预测准确性与实验结果的吻合程度。

材料

硝酸盐前驱体包括九水合硝酸铝(Al(NO3)3·9H2O)、九水合硝酸铁(III)(Fe(NO3)3·9H2O)、六水合硝酸镧(III)(La(NO3)3·6H2O)和三水合硝酸铜(II)(Cu(NO3)2·3H2O),以及沉淀剂氢氧化钠(NaOH)和碳酸钠(Na2CO3,均为分析级(AR)。甲醇(CH3OH,> 99.5 %)和丙酸甲酯(PC,> 99.0 %)作为反应物。所有化学品均购自上海Aladdin

催化剂筛选

为了建立性能基线,所有催化剂筛选测试均在相同条件下进行:80°C,2小时,800 ± 30 rpm的搅拌速度,2.0 wt%的催化剂负载量(相对于PC),以及MeOH/PC摩尔比为10:1。所有测试材料的综合结果如图2所示。
最初,研究了C0.5M-LDO(M = Al, La, Fe)系列中三价金属阳离子(M)的影响,并与通过浸渍法制备的参考催化剂Cu0.5Al2O3进行了比较。

结论

总之,从LDHs前驱体衍生的Cu-Al LDO催化剂被证明是在温和条件下高效合成DMC的固体碱催化剂。优化的C0.5A-400-LDO催化剂具有明确的介孔结构,这种结构促进了CuO物种在非晶Al2O3基质中的均匀分散。该材料表现出高浓度的碱性位点,总碱量为145.4 μmol·g-1,强(γ型)碱性强为40.9

CRediT作者贡献声明

马晓菲:撰写——原始草稿,可视化,验证,软件,数据分析,概念化。郝世姣:正式分析,概念化。姜慧:数据分析。齐伟倩:数据管理。王赫芳:撰写——审稿与编辑,监督。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金(编号:21776058)和河北省自然科学基金(编号:B2017202226)的财政支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号