三氧化钨基纳米结构的调制生长与电致变色特性研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:clone111
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
电致变色材料可以通过施加一个相对较低的偏压(通常<5 V),在可见光和红外区域实现透过、吸收与反射率的动态可调,从而保证太阳能的高效利用并且可以应用于智能窗、电子纸等相关节能设备。电致变色材料的记忆效应与不发光特性,也使其有望应用于下一代零消耗人眼友好型图像显示设备。与此同时,电致变色反应过程中发生的离子嵌入/脱出也会产生赝电容行为使得材料具备储能特性,这使得我们可以通过制备电致变色超级电容器双功能器件来实现能量储存状态的可视化,因此发展智慧型节能储能材料与器件成为了新兴的研究热点。WO3是一种典型的具有电致变色特性且环境稳定性良好的材料,其结晶程度、微观形貌以及成分结构等影响着材料的电致变色性能,但是WO3也存在着记忆效应欠佳、着色效率低、响应速度慢等缺点,限制了其应用。在本论文的研究工作中,作者针对电致变色材料的记忆效应、动力学响应、光学调制幅度以及储能特性等关键问题与性能短板,系统研究了目标材料的微观结构、性能表现与工作机理之间的内在关联,具体内容与成果如下:1)通过氧缺陷的控制获得具有优秀记忆效应和双波段调制能力的三氧化钨电致变色材料。在本文第三章中,作者对传统直流反应磁控溅射法进行了发展,通过动态控制溅射系统中的氧分压获得了氧缺陷分布可调和混晶结构的氧化钨薄膜。大量内部存在的氧缺陷使得Li+容易被嵌入却难以被脱出,并且在基体内部创造了额外的离子结合位点,混晶结构则有效降低了Li+在材料表面的溢出速度,性能测试表明所得的氧化钨薄膜在可见光(633 nm波长处,99.0%)和近红外(1300 nm波长处,94.2%)区域都表现出极高的光学调制能力,更难得的是材料具有优异的记忆效应(着色状态下静置50天后透过率仅增加了0.04%)。这项工作中的氧化钨薄膜在开发下一代电致变色信息静态显示器或其它节能器件方面具有明显的优势。2)三氧化钨的结晶程度很大程度上会影响材料的电致变色性能。在本文第四章中,我们采用了对衬底温度实时监控的脉冲射频(PRF)磁控溅射技术得到了多孔的非晶态WO3纳米结构,并解决了沉积过程中的自退火温度效应所导致的结晶不规则或化学成分不均匀等问题,并与传统的直流(DC)和射频(RF)磁控溅射所制备的WO3薄膜进行了对比。PRF非晶WO3薄膜在可见光和近红外波段显示出较大的双波段光学调制性能(633 nm和1500 nm分别为93.6%和90.6%),响应速度快(着色时间为3.2 s,褪色时间为5.6 s),动力学性能突出,同时具备一定的储能特性。我们以PRF WO3薄膜为变色层,以Ni O薄膜为离子存储层,Li Ta O3薄膜为电解质层,FTO为导电层,玻璃为基底构筑了单基片三明治型全固态电致变色变色器件,实现了全固态状态下的电致变色。3)通过对三氧化钨材料进行结晶性和微观结构的设计可以有效提升材料的电致变色性能。在本文第五章中,通过结合电沉积法和磁控溅射技术构造了双层晶态/非晶复合三氧化钨纳米阵列。本章尝试在磁控溅射技术的基础上引入晶态纳米阵列,晶态/非晶三氧化钨纳米阵列是由晶态WO3纳米阵列和多孔非晶WO3层组成的双层结构,在可见光和近红外区均具有较高的对比度(633 nm波长处为93.9%,1500 nm波长处为89.6%),响应速度快(着色时间为3.0 s,褪色时间为3.6 s),循环稳定性优异(10000次循环后对比度保持率为95.4%)。此外,复合纳米阵列还表现出较高的面电容(47.4 m F/cm2)、优异的倍率性能和充放电循环稳定性(2000次循环后,面电容仍保持84.0%)。基于晶态/非晶纳米阵列优异的电致变色和电容性能,我们构建了电致变色超级电容器纳米器件。本章充分利用了各组分之间的互补性和相互作用增强。此外,氧分压对非晶层微观结构以及纳米器件电化学性能的控制起着至关重要的调节作用。4)在本文第六章中,通过构建高质量的有机/无机复合空心纳米结构,提高了材料的电致变色性能。我们采用模板辅助磁控溅射和脉冲电化学沉积相结合的方法,制备了空心三氧化钨/聚噻吩/三氧化钨多层复合纳米阵列薄膜。空心纳米阵列提供了大的比表面积,缩短了电荷传输路径,而构建对称三明治结构层状薄膜则一定程度上提高了电极的环境稳定性和循环稳定性。PEDOT层作为独特的导电网络,交联相互分离的色心,加速了电荷传输过程。所制得的空心复合纳米阵列薄膜具有优秀的电致变色性能和低电位下高效的着色能力,所获得的有机无机复合空心纳米阵列在开发高质量的可视化智能节能器件方面具有巨大的潜力,并且为构建空心微纳结构有机无机复合材料提供了新的思路和方法。
其他文献
图或者网络可以对现实世界普遍存在的实体、关系、属性进行建模,构成属性网络。随着信息技术的发展,各种网站、桌面软件、手机应用、传感器产生了大量属性网络数据,如人们熟知的社交网络数据,物联网数据等,为相关研究提供了丰富的数据资源。属性网络的模式发现被广泛用于传染病爆发预测、道路拥堵检测、网络入侵检测等领域。现有网络模式发现的研究多关注单一网络或网络结构方面,而本文将研究重点聚焦于属性依存网络,即多个存
随着环境和能源的严苛要求,电动汽车已成为当前和未来很长一段时期汽车产业发展的趋势,正加速向电动化、智能化、轻量化方向发展。与目前集中式驱动的电动汽车不同,分布式驱动电动汽车具有传动高效、结构紧凑、各轮驱动与制动力矩独立可控等特点,动力输出更加平稳高效,被认为是未来低碳社会与智慧城市的主要交通工具之一。分布式驱动电动汽车取消了差速器等传动系统的机械连接,由四个独立的轮毂电机直接驱动,这对提升汽车稳定
传统特征选择方法在进行特征选择前,特征空间中的所有特征都已存在并且其特征值是可获取的。然而,在实际应用领域的许多具体问题中,存在很多无法预先获取整个特征空间,并且其特征以流的方式存在的场景。为此,出现了面向特征流的在线特征选择方法研究。特征流是指特征数据以流的方式逐个或成组到达,且无法提前获知整个特征空间的信息。随着大数据时代数据体量和维度的剧增,传统批处理模式的特征选择方法因不具有增量处理特性,
自从实时渲染的技术面世以来,一度成为影视动画行业热议的焦点。随着计算机硬件的不断进化与软件研发的技术突破,实时渲染技术也经历了几个发展阶段,已经日趋成熟,以其为技术核心的虚幻引擎在游戏、数字艺术、工业设计、虚拟制片等领域的应用也十分广泛,一方面实时渲染技术的革新使三维动画的创作焕发了新的生机;但随着该技术的日渐普及,其昔日的优势也成了发展的瓶颈。如何应用实时渲染技术在三维动画创作中进行创新与突破,
人们身处在跨模态环境,人工智能要更好地理解人们所处的环境,则需要具备解析跨模态信息的能力。通过模态学习搭建能处理和连接跨模态信息的模型。如在内容理解领域,需要分析文本、图片、视频、语音等跨模态数据对应的不同级别特征和其他辅助描述特征等。因此跨模态媒体分析是目前人工智能研究中重要的课题之一,它为不同表现形式(模态)数据间提供了沟通的桥梁。根据跨模态数据的不同表现形式,研究者将跨模态媒体分析任务细分为
表示学习又称表征学习(Representation learning),是利用机器学习或数据挖掘算法获取实体或者关系的向量化表达。表示学习的目标是,通过机器学习将研究对象的语义信息表示为稠密低维实值向量。机器学习和神经网络领域顶尖专家Yoshua Bengio教授对表示学习的重要性进行了阐述:“机器学习算法的成功通常取决于数据表示,这是因为不同的数据表示可以或多或少的包含和隐藏数据变化背后的可解释
让计算机精确地了解人的情感状态是实现人机交互的前提。生理信号是人体器官相互作用产生的生物电信号,能够自发地反映出人类内心的真实情感。在不同环境下提升生理信号的情感识别性能是许多科研人员一直追求的目标,根据个体、激励素材和应用场景的不同,多模态生理信号样本的分布差异性会严重影响到生理情感识别的效果以及模型的泛化能力。鉴于此,本文在不同实施性能的验证方案下分别基于传统生理信号识别方法和神经网络框架对情
叶片衰老是叶生命周期中的最后一个重要阶段。它不是一个简单的退化过程,而是一个受到高度调控的生物学过程,旨在将有价值的资源回收并重新分配给活跃生长的器官。叶片衰老的发生与进程受到严格的动态控制,涉及调节因子之间复杂的协同和拮抗作用。本研究在番茄中鉴定了一个新型的叶片衰老调控因子Sl BSD1。亚细胞定位和转录激活试验表明Sl BSD1定位在细胞核中并具有转录激活活性。Sl BSD1基因的下调表达导致
随着互联网的飞速发展,每天都会产生大量社会多媒体数据。这些社会多媒体数据中包含大量的关系信息,它们被广泛用于推荐系统、专家发现等重要的应用以挖掘有价值的信息。网络(数据结构)被广泛用于建模社会多媒体数据中的关系信息,网络结构的社会多媒体数据又被称为社会多媒体网络。近几年来,随着深度学习等机器学习技术的发展,涌现出大量面向社会多媒体网络的应用。实现这些应用所需要解决的基础问题之一,是如何有效地学习网
精度是高端数控机床重要的性能指标。热误差是由于机床加工过程中,零部件热变形引起的刀具和工件之间的额外偏移,占据数控机床总误差的40%~70%,严重影响机床加工精度。热误差补偿技术是目前减小机床热误差最为有效的途径,需要首先对机床多点温度和热误差进行同步测量,然后根据测量数据,选出对热误差影响占主要权重的点,称为温度敏感点,进而建立温度敏感点和热误差之间的数学模型。利用模型,通过测量机床温度预测热误