【摘 要】
：
超级电容器由于其功率密度高、温度特性好以及循环寿命长等特点,已成为储能领域的研究热点,但仍存在着能量密度低,造价高昂等缺点,限制了其大规模商业化使用前景。过渡金属硫族化合物因其理论比容量高、氧化还原反应活性高、价格低廉等优点,成为了超级电容器研究的热点电极材料。然而,过渡金属硫族化合物存在着倍率性能差、循环稳定性低等缺点,严重影响了其在超级电容器的应用。针对这些问题,本论文采用与导电基质复合、微观
论文部分内容阅读
超级电容器由于其功率密度高、温度特性好以及循环寿命长等特点,已成为储能领域的研究热点,但仍存在着能量密度低,造价高昂等缺点,限制了其大规模商业化使用前景。过渡金属硫族化合物因其理论比容量高、氧化还原反应活性高、价格低廉等优点,成为了超级电容器研究的热点电极材料。然而,过渡金属硫族化合物存在着倍率性能差、循环稳定性低等缺点,严重影响了其在超级电容器的应用。针对这些问题,本论文采用与导电基质复合、微观结构调控、优化材料组成等手段,提升过渡金属硫族化合物的比电容、倍率性能、循环稳定性等电化学性能,同时探究其构效关系。本论文的主要研究结果如下:（1）协同纳米结构化NiCo2S4电极的制备及性能研究:为了提升电化学活性材料的负载量,暴露出更多的活性位点,进而提升电极的电子传输速率,采用电化学沉积法使泡沫镍成为纳米结构化多孔泡沫镍骨架作为集流体,并通过水热沉积法在纳米结构化多孔泡沫镍表面生长NiCo2S4纳米片有序化结构,从而构建出协同纳米结构化NiCo2S4电极。此协同结构具备大比表面积,缩短了离子扩散距离,提升电极初始容量的同时很大程度上改善了倍率性能和循环稳定性。电极在2.5 A g-1的电流密度下比容量为1223.8 C g-1,电流密度增大至148.5 A g-1时电容保持率为53.4%;充放电循环10000次后电容保持率为94.56%;所组装的器件在功率密度为425.7 W kg-1时,能量密度为76.7 Wh kg-1。（2）Co掺杂Ni3Se4分级纳米结构的制备及性能研究:为了简便、高效的获取本征电导率高和结构稳定性好的电极材料,采用化学浴方法制备了分级纳米结构的Co掺杂Ni3（NO3）2（OH）4作为前驱体,再通过水热法进行离子交换制备了Co掺杂Ni3Se4。通过利用过渡金属硒化物本征高电导率和Co离子掺杂的策略有利于提升电极的导电性,同时电极的自支撑结构和Ni和Co之间的协同效应增强了其结构稳定性。电极在2.2 A g-1的电流密度下比容量为1321.8 C g-1,电流密度增大至44 A g-1时电容保持率为50.6%;充放电循环40000次后电容保持率为77.2%;所组装的器件在功率密度为404.0 W kg-1时,能量密度为58.7 Wh kg-1。
其他文献
显著性目标检测是计算机视觉的基础任务之一,旨在检测图像中最引人注目的区域,通常作为一种前处理任务在其他计算机视觉领域广泛应用,比如语音分割、目标追踪、行人重识别、图像描述等任务。在显著性检测中,多尺度特征融合起着至关重要的作用。大多数现有方法通过利用各种多尺度特征融合策略虽然取得了不错的性能,但是设计一个高效而优雅的网络框架需要大量的专家知识和经验,在这个过程中严重依赖费力的反复试验。本文从如何能
丙烯是重要的化工原料,其需求量正逐年攀升。丙烷脱氢工艺被认为是最具前景的丙烯生产方式之一,其通常分作两类:直接脱氢和氧化脱氢。前者已实现工业化,其中铬基催化剂因在成本和活性方面的优势是常用工业催化剂之一。然而催化剂中铬物种易发生团聚继而导致催化剂永久失活的问题仍有待解决。丙烷氧化脱氢仍处于研究阶段,并集中于催化剂筛选和改进,而针对反应器选择与操作参数优化等研究报道甚少。因此,本文针对丙烷直接脱氢铬
随着互联网的飞速发展,以图像、视频等多种模态出现的数据呈爆炸式增长,如何有效地进行跨模态数据检索逐渐成为研究热点。在众多跨模态检索方法中,基于哈希编码的无监督跨模态检索方法因其高效的检索速度、低廉的存储代价和无需费时费力的手工标注而备受关注。现有的研究大都通过在汉明空间内保持哈希码的域结构信息以学习特定模态的哈希函数,往往忽略了对多模态实例邻域关系的有效探索。此外,大都未考虑构建的语义关联信息中存
芳香族化合物的硝化是一类重要化工过程,传统间歇反应器生产模式下的非均相硝化过程安全性及生产效率受限,其反应快速和高度放热的特性使之在工业生产中仍面临许多技术挑战。微反应器具有高效的相间热质传递性能,能够精准调控反应条件,本质安全性高,在非均相硝化过程的研究与强化等方面有较大优势。本论文基于液滴流微反应器,开发了一种连续流工艺用于芳香族化合物的硝硫混酸硝化反应过程,对其动力学进行了研究,建立了拟均相
随着深度学习技术的快速发展及在安全攸关领域的广泛应用,提升深度学习模型的可靠性变得十分必要。测试作为检测软件系统缺陷的常用技术,也被应用于深度学习模型的错误检测。然而,由于遵循数据驱动的深度学习模型在测试中需要庞大的测试数据集,且需要人工对数据集进行标记,因此,如何在保证测试有效性的同时缩减测试数据集以减少测试成本,成为研究热点问题。本文为了缓解深度神经网络（Deep Neural Network
社交网络的发展方便了人们日常的沟通,促进了用户之间线上的交流,但是也给人们带来了一定的风险。信任在社交活动中起着重要作用,可以有效地规避不可靠用户带来的风险。由于社交网络中的用户大多数没有直接的信任关系,更多的是通过共同的朋友进行间接联系。因此,如何建立起间接用户之间的信任关系,以至构建信任网络成为一项挑战。间接的信任关系可以通过信任传递来进行信任推理,信任传递过程中信任的传播和聚合在很大程度上影
医学影像合成是重要的医学图像处理技术,旨在根据已有模态的医学影像数据构建跨域非线性映射,合成缺失模态医学影像数据。然而,由于医学影像数据高维特征复杂、数据规模庞大,现有方法无法有效地学习特征表示,导致医学影像合成的精确性、保真度和计算效率较低,难以在实际临床应用中开展部署。为此,本文研究两种基于生成对抗学习的医学影像合成方法,提高复杂高维特征的学习能力,改善影像合成计算效率,提升医学影像合成的临床
本文主要研究二次曲面支持向量机的相关模型和算法。传统支持向量机的性能和表现在很大程度上是由其中核函数参数的选取决定的,并且其分类精度容易受到离群点和噪声的影响。由于直接利用二次曲面来分离训练样本点无需使用任何核函数,同时损失函数可以很好地去度量样本真实值和模型预测值之间所存在的差异,本文将变式的逻辑回归损失函数引入二次曲面支持向量机,提出了变式逻辑回归损失函数二次曲面支持向量机（LQSSVM）。在
本文,我们考虑了求解次模最大化问题与两阶段随机非线性规划问题的一阶优化算法.论文的前半部分我们介绍了求解次模最大化问题的相关内容.首先,我们利用具有固定步长的条件梯度算法求解确定的连续Diminishing Returns（DR）-次模最大化问题,在目标函数分别是单调和非单调的情况下,给出了算法的收敛性分析.已有的研究结果主要集中在约束集为下闭凸集的情形,我们则将单调情况下的约束集拓展至一般的凸集
随着锂离子电池的低安全性和锂资源短缺等问题日益凸显,发展新型储能体系迫在眉睫。近年来,水系可充电锌离子电池（AZIBs）,以其高功率密度、本质安全及绿色环保等优势,成为后锂电时代的新型储能体系中备受关注的研究热点。结构稳定、高理论比容量的Zn2+宿主正极材料是AZIBs中不可或缺的重要组成部分。其中,锰基化合物MnO2因兼具低成本、高理论比容量和低毒性等优点,被认为是AZIBs中最具前途的正极材料