论文部分内容阅读
由于能源紧缺与环境污染日益加重,热电材料作为一种环保型新能源材料,近年来被广泛地研究。根据塞贝克效应和帕尔贴效应,热电材料可以实现热能和电能之间的直接转化。热电器件具有结构简单、无污染、无振动、无磨损等优点,被广泛地应用于温差发电和热电致冷等领域中。聚合物基复合热电材料以其较低的热导率与较好的机械加工性能逐渐成为热电领域研究的热点。本文以可降解的热塑性树脂聚乳酸（PLA）为基体,与p型无机热电材料碲化铋Bi0.5Sb1.5Te3（BST）通过挤出的方法制备出复合热电丝材,并尝试通过3D打印的方法成型热电器件。本文对p型PLA/BST复合热电丝材的热电性能和力学性能进行了详细的研究,分析了丝材的电导率、塞贝克系数、功率因子与其BST组分的质量分数及是否加入碳纳米管（CNT）之间的变化关系,并用原创的方法测量了丝材的热导率,计算出热电优值ZT。研究发现,与不加CNT的丝材只有0.006的室温ZT相比,加入4%质量分数CNT的丝材室温下ZT可以达到0.011,说明CNT的加入显著提高了材料的热电性能。其次,本文利用模具成型的方法制备出了半环型的p型的PLA/BST复合热电材料与n型的Bi2Te2.75Se0.25（BTS）热电复合材料,组装得到了2对热电臂的热电器件,并成功实现了从热能到电能的转化。该器件在10.5 K温差下可以获得3.4m V的开路电压和126 n W的最大输出功率。本文同时通过模拟仿真的方法对该器件在不同的散热铜片长度、不同的热电臂排列密度、不同的空气换热系数以及不同的热电臂厚度下的器件发电性能进行预测,为器件发电性能的优化提供方向。另一方面,由于直接进行科学实验的成本较高,通过科学计算预测材料性能后选择其中性能较高的材料进行实验验证的研究思路逐渐流行起来。本文通过机器学习的方法对层状材料的热电性能进行预测,从近百篇研究层状热电材料的文献中,收集获得303种材料在不同温度下的2860个ZT数据,并对材料的元素组成、元素性质与元素构成单质的性质等构建特征,使用随机森林回归算法训练得到模型并对未知的层状材料的ZT进行预测。本文发现有5种材料在室温下具有较高的ZT,可以达到0.8左右,该研究对通过机器学习的方法进行材料其他领域性能的预测具有参考价值。