锂离子电池新型LiFeSO_4F正极材料的研究进展

与LiFePO_4材料相比,LiFeSO_4F正极材料理论上具有更稳定的结构、更高的电压平台和离子电导率,有望成为动力锂离子电池的热门正极材料,具有更好的应用前景。介绍了LiFeSO_4F正极材料的结构,综述了近年来LiFeSO_4F正极材料的合成及掺杂改性方面的研究进展,重点对LiFeSO_4F正极材料的制备方法和掺杂进行了总结和探讨,并对LiFeSO_4F正极材料的发展前景进行了展望。     

锂离子电池钠掺杂LiFePO_4正极材料的电化学性能

利用高温固相法制备Li1-xNaxFePO4(x=0,0.05,0.10,0.20)正极材料,并进行电化学性能测试。结果表明,Li0.95Na0.05FePO4材料表现出最好的电化学性能,在0.1C充放电时首次放电容量为107.6mA·h/g,循环20次后的放电容量为109.3mA·h/g,容量保留率几乎100%。在0.5C、1.0C和2.0C不同倍率下放电,容量保持率分别为80.22%、97.36%和91.90%。与纯LiFePO4相比,Li0.95Na0.05FePO4材料具有更高的可逆容量、更稳定的循环性能和更好的倍率性能。     

Mo~(6+)掺杂对LiNi_(0.5)Mn_(1.5)O_4正极材料脱锂动力学的影响

采用溶胶-凝胶法制备了尖晶石型LiNi0.5Mn1.5O4及其掺杂材料LiMn1.4Ni0.55Mo0.05O4,并采用电化学阻抗(EIS)研究了材料充电态的锂离子嵌脱动力学。结果表明,Mo的掺杂降低了LiNi0.5Mn1.5O4材料的电荷转移电阻,提高了其电导率,进而提高了其动力学性能。Mo掺杂减小LiNi0.5Mn1.5O4材料的SEI膜厚度,有利于锂离子的可逆脱嵌,进而提高了其电化学性能。LiNi0.5Mn1.5O4及其掺杂材料LiMn1.4Ni0.55Mo0.05O4的界面电容(Cdl)值差别不大,说明Mo掺杂后,并没有影响电极材料的表面积或形貌。     

铁酸钴纤维负载银/氯化银纳米粒子的合成及其对甲基橙的光催化降解

通过温和的湿化学合成法将Ag/AgCl纳米粒子固载于CoFe₂O₄纤维表面,固载银/氯化银纳米粒子的量可控。利用X射线衍射,扫描电子显微镜和电子显微镜等技术对制备的Ag/AgCl@CoFe₂O₄组成、形貌等进行了表征。以甲基橙的降解脱色为模型反应,考察了Ag/AgCl纳米粒子的不同负载量对催化性能的影响。实验结果表明：AAC-4型固载纤维光催化剂展示出比其它类型固载光催化剂以及单纯Ag/AgCl纳米粒子更高的光催化性能,可使甲基橙溶液60min的脱色率达98.2%,且Ag/AgCl纳米粒子在CoFe₂O₄纤维表面的固载 促进了光催化剂催化效率和催化稳定性的提升。     

CaMgAl-层状双氢氧化物的制备及其对刚果红的吸附性能

以CaCl_2·2H_2O、Mg(NO_3)_2·6H_2O,Al(NO_3)_3·9H_2O为原料,采用共沉淀法制备了系列镁/钙摩尔比可调的CaMgAl-层状双氢氧化物(LDH)。对合成的CaMgAl-LDH样品的性能进行了表征,结果表明:在阴离子NO_3~-和Cl~-共存的溶液中,NO_3~-比Cl~-优先进入层间,且层间NO_3~-导致层间距明显增大,形成的CaMgAl-LDH产物具有良好的热稳定性。以刚果红(CR)为模拟污染物,研究了CaMgAl-LDH对水溶液中阴离子染料的吸附性能。结果表明:CaMgAl-LDH对CR的吸附行为符合准二级动力学方程,其等温吸附曲线符合Langmuir方程,对吸附过程Gibbs自由能(ΔG~0)、熵(ΔS~0)以及焓(ΔH~0)的计算证明对CR的吸附是自发的吸热反应。CaMgAl-LDH对CR具有优良的吸附性能,其中Ca_8Mg_2Al_5-LDH对CR的吸附效果最好,最大吸附容量为115.5mg/g,表明制备的CaMgAl-LDH是一种具有良好应用前景的阴离子染料吸附材料。     

结合注意力机制和多路径U-Net的视网膜血管分割

针对现有算法无法精确分割细微血管末端,且分割结果易受光学造影与病变区域影响的问题,提出一种结合注意力和多路径U-Net的视网膜血管分割算法.首先,设计一个双路径U-Net,通过纹理与结构分支提取粗和细粒度血管,并使用语义指导模块充分融合深浅层特征;其次,采用一种引入注意力机制和DropBlock的残差模块来代替普通卷积模块,改善处于复杂背景区域中血管的分割效果,防止过拟合;最后,将双路径U-Net的输出图与原图传入特征细化模块进行特征提取和融合,进一步细化血管分割结果.在DRIVE, STARE和CHASEDB1数据集上的实验结果表明,该算法的准确率分别为97.01%,96.43%和97.52%;灵敏度分别为80.31%,84.38%和81.61%;受试者工作特性曲线下方的面积(AUC)分别为98.67%, 98.06%和98.83%,综合分割性能优于其他算法.