产品详细介绍 FEP洗气瓶 洗气瓶是一种洗去气体中杂质的仪器，是将不纯气体通过选定的适宜液体介质鼓泡吸收（溶解或由于发生化学反应），从而洗去杂质气体，以达净化气体的目的。在有可燃性气源的实验装置中，洗气瓶也可起到安全瓶的作用。 洗气瓶内装选定的液体，用以洗涤气体，除去其中的水分或其它气体杂质。使用时注意气体的流向，进气管与出气管不能接反。 洗气瓶不能长时间盛放碱性液体洗涤剂，用后及时将该洗涤剂倒入有橡胶塞试剂瓶存放待用，并用水清洗干净放置。该瓶还可以收集气体以及计算气体的体积。 一般情况下，长导管进，短导管出。长导管进密度比空气大的气体，短导管进密度比空气小的气体。 用向上排空气法 说明所收集的气体密度大于空气 长进短出可以使所收集的气体把空气压出去 如果短进长出所收集的气体将直接从长管跑出。

1、采用≥1.0MM优质冷轧钢板，经酸洗磷化处理，表面环氧树脂静电喷涂，达到防酸碱及防锈之效果。 2、柜门采用可脱卸式铰链，正面带透明视窗。 3、透明钢化玻璃视窗，样式独特新颖。 4、柜体侧面设有PASS孔，保证柜内气体流动。 5、内部采用不锈钢活动式固定架，适应不同尺寸气瓶的存储，防止气瓶倾倒。 6、采用304不锈钢把手，美观大方。 7、柜体底部设有加厚印花踏板，方便气瓶装卸。 8、报警器装置:（选配） A、可燃气体探测报警器，当工作环境中可燃气体泄露时，气体报警器检测到气体浓度达到爆炸下限或上限的临界点时，就会发出报警信号，提醒工作人员采取安全措施。 B、专用气体探测报警器，根据气瓶储存情况选配专用气体探测报警装置，灵敏度精确度高，更加安全可靠，报警装置识别 可燃式、有毒式气体（如甲烷、乙炔、煤气、氢气、硫化氢、一氧化碳、二氧化碳、丙烷、氮气等），采用专用气体探测报警器，空气扩散采样，当达到芯片切点设定的浓度时，将自动报警。精准度灵敏度高，当探测器感应到气体泄漏时，达到芯片切点设定的浓度时，会迅速启动报警，排风模式自动开启，一方面提醒工作人员，另一方面排风会使泄漏气体的浓度降低。 9、自动排风系统:（选配） 当柜内传感器检测到气体泄漏并报警的同时，顶部风机会自动工作，将气体通过排风管排出室外，保证工作区域的人身安全。

近日，清华大学化学系王定胜教授、李亚栋院士领导的课题组在甲酸电氧化领域取得突破，相关工作以“负载在氮掺杂碳上的单原子Rh：一种甲酸氧化的电催化剂”（Single-atom Rh/N-doped carbon electrocatalyst for formic acid oxidation）为题在《自然·纳米技术》（Nature Nanotechnology）发表。 燃料电池是一种理想的能量来源，它可以以环境友好的方式将化学能转换为电能。氢氧燃料电池作为航空飞船的主要燃料，在上世纪80年代就已经得到了发展，近年来氢氧燃料电池在汽车上的应用也有了突飞猛进的提高。然而氢氧燃料电池需要用体积大且危险的高压氢气作为其燃料，这限制了氢氧燃料电池的发展。而直接甲酸燃料电池(DFAFCs)由于其体积小，毒性小，nafion@膜的穿透率低等优点，被认为是未来便携式电子设备最有前途的电源之一。在之前的研究中，负载型纳米级钯和铂通常被认为是DFAFCs的阳极反应甲酸电氧化（FOR）中最有效的催化剂，并得到了深入的研究。然而，由于FOR催化剂质量活性较低和一氧化碳抗毒性较差， DFAFCs阳极材料的发展达到了一个瓶颈，极大地阻碍了其应用。 SA-Rh/CN的合成路径示意图及其表征 在本工作中，研究人员使用主-客体合成策略成功地合成负载原子分散Rh的氮掺杂碳催化剂(SA-Rh/CN)，发现尽管Rh纳米颗粒对甲酸氧化活性很低，但是SA-Rh/CN却具有极好的电催化性能。与最先进的催化剂Pd/C和Pt/C相比，SA-Rh/CN的质量活性分别提高了28倍和67倍。有趣的是，在CO剥离实验中，我们发现虽然纳米级Rh催化剂对CO毒性十分敏感，但是SA-Rh/CN很难吸附CO并且可以在很低的电压下氧化CO，这说明SA-Rh/CN对CO毒化几乎免疫。经过长期反应的测试后，SA-Rh/CN中的Rh原子具有抗烧结的能力，并因此在30000s的CA测试或者20000圈ADT测试后活性几乎没有改变。在组装电池的实验中，SA-Rh/CN的质量比能量密度在不同温度下分别是商业钯碳催化剂的8.8倍（30oC），14.8倍（60oC）和14.1倍（80oC）,这也说明了SA-Rh/CN在DFAFCs的应用中具有很高的潜力。最后，研究者用密度泛函理论（DFT）计算了Rh单原子甲酸氧化的机理。研究者发现在SA-Rh/CN上，甲酸根路线更为有利。和Rh纳米颗粒具有较低的CO吸附能垒不一样，SA-Rh/CN上的Rh单原子吸附CO能垒较高，以及与CO的相对不利的结合，使SA-Rh/CN具有极高的CO抗毒性。 这一发现将传统的甲酸电氧化催化剂的质量比活性提高了一个数量级，并且很好地解决了传统纳米催化剂的CO毒化问题。该发现有助于在燃料电池领域取得突破，并有望应用于便携式电子设备上。 本论文的通讯作者是王定胜教授、李亚栋院士，清华大学博士后熊禹是本文的第一作者。本研究受到国家自然科学基金委和科技部的经费资助。 论文链接： https://www.nature.com/articles/s41565-020-0665-x

电现象资源箱  型号：QWD1209 实验清单： 摩擦起电实验 简单电路实验 导体与绝缘体判断实验 电能的转化实验

产品详细介绍

项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。