新能源学院赵学波教授领衔的氢能团队在具有工业应用前景的丙烷氧化脱氢制丙烯高性能催化剂研究方面取得新进展，相关论文《含硼金属有机框架化合物衍生的球形超结构氮化硼纳米片》（A Spherical Superstructure of Boron Nitride Nanosheets Derived from Boron-Contained Metal-Organic Frameworks）在国际化学领域顶级期刊Journal of the American Chemical Society发表。我校2016级博士生曹磊、新能源学院代鹏程副教授为该论文共同第一作者，新能源学院赵学波教授、代鹏程副教授、昆士兰大学Yusuke Yamauchi教授为共同通讯作者，中国石油大学（华东）为第一署名单位。 丙烯是极为重要的大宗化工基础原料，后续衍生出的众多有机化工产品在建筑、汽车、包装纺织等领域有广泛应用。近年来随着丙烯下游产业规模的迅速扩张，传统的丙烯来源已无法满足市场需求，因而亟需开发新的丙烯来源。丙烷氧化脱氢制丙烯具有底物转化率高、工艺能耗低和无积碳不易失活等优势，极具工业应用前景。但是由于产物丙烯容易与氧化剂发生过度氧化，降低了目标产物的选择性，从而让丙烷氧化脱氢工艺一直无法达到工业化的要求。因此，开发一种高效催化剂，抑制过度氧化，提升产物中丙烯的选择性是推动丙烷氧化脱氢发展最直接有效的手段。 氮化硼是目前烯烃选择性最高的丙烷氧化脱氢催化剂，但是单程烯烃收率离工业化需求仍有一定差距。通过可控合成提高活性物种在氮化硼表面的含量和分散度是一种提升催化性能的有效途径。构建分层的三维结构，尤其是基于二维氮化硼纳米片为基本单元的球状三维结构，有助于提高边缘活性物种的含量。除丰富的边缘活性位点外，特殊的三维球状结构促使反应混合气沿着球面进行有效地扩散并充分与活性位接触，提高催化剂的催化活性。然而迄今为止，如何控制氮化硼纳米片自组装形成三维球状超结构仍是一个充满挑战性的工作。 针对上述问题，研究人员以金属有机框架化合物（MOFs）为前驱体，通过溶剂热转换的方式制备了三维球形超结构MOFs纳米片（SS-MOFNSs），并进一步以SS-MOFNSs为自牺牲模板，制备了球形超结构氮化硼纳米片（SS-BNNSs）催化剂。 SS-BNNSs在丙烷氧化脱氢反应中表现出了优异的催化性能，510 ºC的操作温度下，产物中烯烃的收率达到了40.2%（丙烯，27.8%；乙烯，12.4%），远超商业化的氮化硼纳米片（丙烯，23.8%；乙烯，8.6%）和高比表面积的氮化硼纤维（丙烯，20.7%；乙烯，10.2%）。通过系统的表征可以发现，SS-BNNSs表面富含B-OH，让催化剂无须活化就可以直接催化反应进行，同时特殊的结构优势提高了活性物种的分散度，利于反应气与活性位点快速接触和产物丙烯的迅速脱附，提升了产物丙烯的单程收率。SS-BNNSs自组装的构造过程和结构优势带来的性能提升拓宽了催化剂的设计思路。 该研究成果获得审稿专家充分肯定，审稿专家一致认为该工作提出的含硼MOFs衍生三维超结构氮化硼纳米片具有很好的创新性，其作为丙烷氧化脱氢催化剂表现出的高烯烃收率在工业应用方面具有较大潜力，为丙烷氧化脱氢催化剂的研究提供了新的参考。

通用小型汽油机用于小型发电机组、社会生产和家庭省力用机具的动力，全世界年产量达 5000 多万台。我国近年快速发展， 2013 年产量达 2400 余万台，已是世界生产基地。 近 10 年间小型汽油机的排放法规不断加严，项目结合行业发展和国际市场需求，研究与国际同步，对共性技术开展攻关，掌握了突破欧美排放法规壁垒的核心关键技术，研发了系列低污染节能小型汽油机产品， 解决了行业发展的难题， 形成的成果丰富了内燃机的理论。项目主要研究内容与创新：（ 1） 突破欧美环保壁垒的低

天津大学神经工程团队针对人机交互面临的神经系统层面交互信息复杂共性挑战，历时十余年，发明了一套面向高性能人机交互的脑-机-体复合神经感知与反馈的系统解决

日前，东南大学智能材料研究院、化学化工学院杨洪教授课题组在光控软驱动器研究领域取得重要进展，开发了一种具有卓越跳跃性能的软体机器人。研究成果于近日发表在国际顶级期刊《德国应用化学》上，并被选为VIP论文。

高品质钢的冶炼典型流程为“转炉→精炼→中间包→结晶器”，冶金反应器内存在着合金-钢、钢-渣、钢-夹杂物、钢-耐材、渣-耐材、钢-空气、钢液凝固和元素偏析等反应和过程，各个化学反应“耦合”发生、互相影响。因此，有必要建立智能模型有效地预测不同反应器内夹杂物成分的变化，准确地在线了解精炼和连铸过程的工作状况，使生产全流程始终处于最佳工作状态，从而确保夹杂物的精准控制，最终提高钢产品质量的稳定性和可靠性。同时，通过模型的优化计算，可以根据不同钢种的性能需求，对钢种的生产工艺进行定制化设计。 （1）高品质钢炉精炼过程夹杂物预测研究： − 精炼过程宏观流动数学模拟：计算精炼过程钢液和精炼渣的流场和温度场、夹杂物的运动，同时计算吹氩强度、钢包尺寸等因素对钢包流场、夹杂物运动和去除的影响。− 精炼过程夹杂物成分动力学：研究吹氩强度、钢包尺寸等因素对多元反应速率的影响；耦合计算 LF 炉内“渣-钢-夹杂物-合金-耐材-空气”多元反应过程夹杂物成分变化。 − LF 炉内夹杂物尺寸动力学：建立夹杂物生成、长大和去除的尺寸变化多尺度模型，确定不同条件下夹杂物的尺寸变化行为，预测钢中夹杂物的数量变化和尺寸分布规律。 − LF 炉内夹杂物预测模型：将夹杂物成分和尺寸动力学计算和宏观流动模拟相耦合，建立 LF 炉精炼过程夹杂物成分、数量和尺寸预测模型。 （2）高品质钢中间包连铸过程夹杂物预测研究 − 中间包内宏观流动数学模拟研究：计算中间包内钢液和覆盖剂渣相的流场和温度场、夹杂物运动和去除。计算开浇和换包的非稳态浇注、中间包结构对中间包浇铸过程的影响。 − 中间包内夹杂物动力学研究：耦合计算中间包中“渣-钢-夹杂物-耐材-空气”多元反应中夹杂物成分变化，确定中间包内各位置的反应速率。 − 中间包内夹杂物预测模型的建立将渣-钢-夹杂物-耐材-空气反应和宏观流动模拟相耦合，建立中间包过程多元反应夹杂物成分、数量和尺寸预测模型。 （2）高品质钢结晶器凝固过程夹杂物预测研究 − 结晶器内钢液凝固冷却过程中夹杂物行为研究：通过实验室实验研究钢液凝固和冷却过程中温度变化对原有夹杂物与钢基体的反应的影响，以及不同成分的钢液在冷却和凝固过程中夹杂物新相析出，确定温度变化对夹杂物影响机理。 − 结晶器内宏观凝固和流动数学模拟研究：研究结晶器过程钢液、渣相的运动，使用融化模型研究结晶器过程凝固坯壳的凝固和形成，计算夹杂物在钢-渣界面的去除行为。 − 结晶器内钢液凝固过程夹杂物动力学研究：计算铸坯凝固过程钢液成分偏析，与保护渣-钢-夹杂物反应进行耦合计算，预测铸坯中夹杂物的成分。计算夹杂物被凝固前沿捕捉行为，预测铸坯中夹杂物的数量和尺寸分布。 − 结晶器内钢液凝固夹杂物预测模型的建立：通过将元素偏析、保护渣-钢-夹杂物反应和宏观流动数学模拟相耦合，建立结晶器凝固过程多元反应预测模型，实现铸坯中夹杂物成分、数量和尺寸空间分布的精准预测。 （4）高品质钢制造过程夹杂物智能预测模型在工业生产中的应用 − 模型的验证和优化：高品质钢制造进行全流程取样调研，对建立 LF 炉、中间包和结晶器内夹杂物反应模型进行验证和优化。 − 模型应用：将建立的高品质 LF 炉、中间包

研究钢中中夹杂物的行为，对提升钢材产品的质量和实现一些特殊用途的钢材的自主开发具有重要意义。在整个冶炼生产环节中，已经开发了一系列对钢中氧化物夹杂进行控制的方法。然而，在后续的热轧和热处理过程中，氧化夹杂物可能会与不锈钢基体中的高合金元素发生化学反应，这一过程中夹杂物的变化会直接影响最终钢材产品的性能和质量。因此，研究固体钢加热变性钢中非金属夹杂物非常重要。 （1）夹杂物系统检测技术。通过夹杂物自动分析电子显微镜对试样横截面全断面上的夹杂物进行检测，分析夹杂物的成分、数量、尺寸和氧化物夹杂在试样全横截面上二维分布；通过非水溶液电解侵蚀的方法揭示不通时刻氧化物夹杂的三维形貌；通过投射电镜统计不同尺寸夹杂物的特征和与晶粒尺寸的关系。 （2）热处理过程固态中氧化物夹杂的成分变化热力学研究。热力学计算预测研究不同温度下钢中年非金属夹杂物与钢基体反应的可能性，确定在热处理过程中固态钢基体与氧化物夹杂的反应机理和影响因素，实现对热处理过程中钢中氧化物夹杂的有效控制。 （3）热处理过程钢中氧化物夹杂的转变速率动力学研究。建立了一个热处理过程氧化物转变动力学模型，模型考虑了不同尺寸和不同成分的氧化物夹杂与钢基体的传质和化学反应，可以有效预测不同温度下的热处理过程中夹杂物的转变率。

本实用新型公开了一种钢柱脚抗滑移装置，包括滑槽及安装在滑槽上的钢柱脚；所述钢柱脚的侧壁上设有用于限制其沿滑槽水平位移的钢支撑，滑槽中设有型钢，螺栓底座卡设在型钢的底部，螺栓底座中垂直固定有高强地脚螺栓，高强地脚螺栓的顶部穿过钢柱脚，并通过螺母固定在钢柱脚上，型钢的顶面、高强地脚螺栓的外露面与螺母的表面均包裹有抗火岩棉。本实用新型结构简单，构造合理且新颖，对钢柱脚支撑强度大且使钢柱脚可以抵抗水平及竖向荷载，保证钢柱脚不会产生滑移。

本项目经过多年研发，掌握了一种粉末冶金超细晶粒（均小于5微米）高强度钢（抗压强度达到2000MPa以上）的制备技术，该新型材料可用于高精度模具、精密齿轮、高强轴承等高精部件的制备。