基于稀土掺杂改性纳米晶结构的电化学传感界面构建及其应用

来源 :西安建筑科技大学 | 被引量 : 0次 | 上传用户:xsy00
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
环境有机污染物双酚A(BPA)与多菌灵(CBZ)的高灵敏分析检测意义重大。近年来,电化学分析法被广泛应用于BPA与CBZ的检测,电化学传感器作为该方法的核心器件,其研究重点在于提升电极材料的电催化性能。本文基于三种稀土元素掺杂无机纳米材料,构建了新型高灵敏检测典型有机污染物的电化学传感器,并以无机纳米材料的掺杂原理、晶体结构为切入点,推测了电催化作用机制,主要研究内容如下:(1)通过水热法成功合成了稀土元素Ce掺杂ZnO纳米棒。X射线衍射(XRD)研究结果表明,Ce离子被成功掺杂到六方晶系ZnO晶格中,其微晶尺寸发生了明显变化,这种变化有利于提高电催化性能。基于Ce掺杂ZnO纳米棒,构建了一种用于测定双酚A(BPA)的高灵敏度和高选择性的电化学传感器。通过循环伏安法(CV)、电化学阻抗谱(EIS)和差分脉冲伏安法(DPV)等研究了Ce掺杂ZnO/CPE的电化学性能,证实了稀土元素Ce的掺杂显著改善了ZnO的电化学响应。BPA的氧化峰电流与其浓度在0.5-3.2μM和3.2-62.0μM之间呈现出良好的线性关系,其检出限为0.018μM,表明Ce掺杂ZnO/CPE对BPA具有良好的电催化作用。(2)通过将稀土元素La掺杂引入CdWO4晶体结构中的策略,实现了CdWO4的电催化性能提升。采用XRD、扫描电子显微镜(SEM)、透射电子显微镜(TEM)和X射线能谱分析(EDS)等对材料的结构和性能进行了表征。通过Scherrer公式、微应变公式以及Bragg公式等证实了CdWO4纳米晶体中La对Cd的部分取代。构建了1.0%La掺杂CdWO4的电化学传感器,并将其用于BPA的高灵敏检测(0.02μM)。当La掺入到单斜晶系CdWO4晶格中后,该材料的电催化性能显著提升。其原因可能为:当CdWO4纳米棒中的La离子含量适中时,其晶体中形成了更多的电子传输通道,加快了电化学传感界面的电子转移。基于电化学分析方法(EIS、CV和I-T)和各种理化特性分析的结果,推测了电催化BPA的机制。(3)通过水热法合成了Er2O3及稀土元素Yb掺杂Er2O3纳米材料,皆呈现出均匀且规则的纳米棒状与纳米片状混合形貌。通过对物相表征的结果进行分析并结合晶体参数的计算,推测出立方晶系Er2O3纳米晶体中掺入Yb元素的原理为杂质取代型掺杂。通过EIS、CV和DPV等方法结合电化学动力学理论,比较了Er2O3以及Yb掺杂Er2O3/CPE修饰电极构建的电化学传感界面对多菌灵(CBZ)的电化学响应。结果表明,Yb的掺杂提升了Er2O3对CBZ的电催化效果,这可能归因于稀土元素Yb的掺杂使得纳米晶体内部形成了氧空位及点缺陷,间接提高了电极的有效表面积。基于Yb掺杂Er2O3纳米材料构建的CBZ电化学传感器,具有检出限低、灵敏度高、线性范围宽等特点。
其他文献
在工业、经济或者科学研究等领域,都存在很多动态多目标优化问题,这类问题不仅包含多个相互冲突的目标函数,而且这些函数又会随时间改变而发生改变。由于动态多目标优化问题
随着大数据时代的来临,人们每天都要浏览和处理大量的数据信息。尤其是手机等多媒体设备的流行,图像数据大量涌现。对于海量图像数据的检索和管理也愈发的艰难。针对图像数据
支持向量机(SVM)是一种基于统计学习理论的机器学习方法。由于SVM在解决小样本、高维度以及非线性等问题上有着独特的优势,被广泛应用于人脸识别、文本分类以及图像处理等领
四旋翼飞行器的控制性能好坏对飞行安全具有重要意义。由于被控对象复杂且飞行过程中容易受到各种干扰,四旋翼飞行器难以建立精确的模型,因此如何设计合理有效的控制方法显得
本文采用了分数阶滑模理论和自抗扰控制理论相结合的方法,对船舶航向保持控制和航迹跟踪控制进行研究,旨在解决欠驱动船舶航向航迹控制问题,并提高船舶控制器在航向、航迹控
随着探测传感器资源日益多样化,将多传感器量测有效融合,可以获得更好的探测跟踪性能。为了保持目标的连续可观测性,优化调度传感器资源对目标进行探测尤其重要。随着传感器
难熔高熵合金具有高熔点的同时具有高熵合金的特性,表现出优异的高温性能,有望成为新一代高温材料,引起了国内外广泛关注。本文根据高熵合金设计理念,以Ti-Al-Cr-Nb-V为研究
图像增强是图像处理中处于一个主要地位。利用人工或机器对原图像增加一些信息,变换某些数据特征,突出图像中某些重要特征,或者抑制、掩盖图像中某些不需要的特征,使图像与视
针对欠驱动船舶路径跟踪中所存在的外界环境干扰及舵机受约束等问题,将径向基函数神经网络(radial basis function,RBF)与模型预测控制(model predictive control,MPC)相结合
随着互联网和移动互联网的快速发展和广泛使用,人们获取到的数据的规模也在不断增长,如何从数据中提取有价值的信息变得越来越重要。机器学习作为一种数据挖掘与分析的重要技