石墨烯基电催化剂的制备及其性能研究

来源 :太原理工大学 | 被引量 : 0次 | 上传用户:fa1192573654
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
石墨烯是一种新型的二维碳材料,碳原子之间以sp2杂化的方式连接组成,具有六角蜂巢晶格的形状。由于其优异的力学性、热导性、电导性以及高的载流子迁移率等受到各行各业的广泛关注,尤其在电化学催化领域具有非常大的潜在应用价值。但是石墨烯本身并无催化性能,需要对石墨烯进行改性调控,引入催化活性位点来达到提高催化性能的目的。本论文以石墨烯基催化剂的制备及其电化学催化性能研究为出发点,通过对石墨烯进行N,S等掺杂引入催化活性位点,形成结构新颖、性能优异的石墨烯基催化剂。利用扫描电子显微镜(SEM),透射电子显微镜(TEM),X射线衍射(XRD),X射线光电子能谱(XPS),拉曼光谱(Raman)等技术对催化剂的形貌、结构、键结合情况等进行分析表征,利用循环伏安(CV),线性扫描伏安(LSV),塔菲尔(Tafel),电化学阻抗(EIS)等手段对样品的电化学性能进行研究,揭示了材料制备工艺-微观结构-电化学催化性能之间的内在关系。主要研究内容如下:(1)运用改进的Hummer法制备氧化石墨烯(GO),使用管式炉高温合成g-C3N4。然后将GO与g-C3N4的混合物超声处理使其充分混合,通过低温水浴加高温退火的方法成功将氮(N)掺入到石墨烯结构中,制备了具有高效氧还原(ORR)性能的N掺杂三维多孔石墨烯催化剂(N-3DPG)。研究了退火温度、g-C3N4添加量对产物形貌、结构以及性能的影响,结果表明退火温度是决定产物结构及性能的关键因素。(2)以蔗糖和GO为碳(C)源,硫脲为硫(S)源,泡沫镍(NF)为载体,通过一步水热法在NF基底上合成了一种S掺杂石墨烯(SG)负载C包裹Ni3S2核壳结构(Ni3S2@C)的复合材料(Ni3S2@C/SG)。该体系中,NF表面与硫脲发生反应形成Ni3S2,而蔗糖分解产生的C包裹在Ni3S2的表面形成核壳结构(Ni3S2@C)的纳米颗粒,然后Ni3S2@C负载在SG上形成了Ni3S2@C/SG复合材料。通过电化学测试技术对复合材料的OER性能进行测试,发现制备的Ni3S2@C/SG-20电极表现出高效的OER催化性能。在1.0 M KOH溶液中,当电流密度达到20 m A cm-2时,需要的过电势仅为284 m V。石墨烯提供了大的比表面积,C包裹于Ni3S2表面可改善Ni3S2的导电性,从而获得高性能的复合型催化剂。
其他文献
随着纳米医学的飞速发展,将纳米医学应用于肿瘤的诊断与治疗是肿瘤研究的重要发展方向。同时集成肿瘤诊断与治疗于同一纳米器件上得到多功能的纳米诊疗平台,在精准医疗和临床
绩效管理是人力资源管理的重要内容,是人才管理的重要手段。PY工厂产品开发部是A公司全球零售服装标签产品开发的总部,产品开发员工是A公司的重要资源。建立科学合理的绩效管
学位
利用工业固废,采用烧结法制备的微晶玻璃常出现表面凹凸不平、内部气孔增多或结晶度偏低等问题。为了解决这一问题,实现工业固废的资源化利用,本文通过分析常用于制备微晶玻
本毕业论文的核心成果是在Hilbert空间中研究了渐近非扩张映射不动点与均衡问题解的公共元的求法.运用Halpern类迭代算法构造一类新的转型迭代序列,并且在相对较弱条件下证明
配位聚合物是当今各领域科研人员的研究热点,在气体的吸附、分离、存储、多相催化、荧光发光、磁性材料、电催化、非线性光学性等多方面具有无限的潜在应用前景。本论文选取
癌症,即恶性肿瘤,已成为世界范围内的主要死亡疾病之一。肿瘤标志物是恶性肿瘤在发生发展过程中肿瘤细胞分泌的一类生物活性分子,其存在水平可反应恶性肿瘤发生的变化情况,从而了解肿瘤的细胞功能、细胞分化和组织发生情况。癌胚抗原(CEA)是一些癌症的重要肿瘤生物标志物,作为临床诊断的广谱肿瘤标志物已被广泛研究,对肿瘤的早期诊断和早期治疗作出了重要贡献。光热效应是指光辐照于材料时将一部分能量转化为热能的现象。
指纹因其具有唯一性、普遍性、稳定性以及易采集性,使得指纹特征在众多的生物特征识别中得到了广泛的应用,其中包括刑侦、身份识别等领域。从上世纪九十年代我国开始对指纹识别技术进行研究和应用,发展至今已有将近三十年的历史,取得了很多优秀的成果,特别是针对高质量的指纹图像,已经发展的非常成熟。但是,在实际的指纹采集过程中往往因为手指表面存在缺陷,手指或指纹采集传感器表面存在污渍等原因,会使得采集得到的指纹库
混合动力汽车和消费电子产品的快速发展对锂离子电池提出了更高的要求,基于固体电解质的全固态锂电池具有能量密度高、循环寿命长和安全性好等优势,从而成为研究者关注的焦点
在实际生活环境中,不可避免受到各种噪声干扰,而语音增强技术旨在从带噪语音中去除噪声,提高语音质量和清晰度,可广泛应用于现代通信系统、助听器和语音识别等领域。近年来,鉴于深度神经网络(Deep Neural Networks,DNN)具有模拟带噪语音特征和学习目标之间非线性关系的能力,被广泛应用于信噪比极差或非平稳噪声背景的语音增强中。故本文采用DNN模型估计时频掩模,达到降低运算复杂度、进一步提高