退火对Fe/Al_2O_3纳米复合物微波吸收性能的影响

采用球磨法制备Fe/Al2O3纳米复合物,并在氩气保护下退火,研究了退火对Fe/Al2O3纳米复合物的微观结构、磁性和微波吸收性能的影响。结果表明,退火使样品的晶粒尺寸增大,缺陷减少,微观应力得到释放;同时,退火使Al2O3的缺陷发光峰强度明显减弱,398 nm和484 nm处的发光峰发生蓝移。厚度为7.7 mm的球磨样品,其反射损耗在15.5 GHz频率处达到最大值-11.4 dB。退火使样品的介电损耗和磁损耗均增大,电磁波吸收性能明显提高,厚度为6.4 mm时反射损耗在17 GHz频率处达到最大值-35.5 dB。     

Ni2+掺杂ZnO薄膜及粉体的结构和发光性能研究

采用激光脉冲沉积法,用XeCl准分子激光器在Si (100)基片、真空和5Pa氧气气氛下制备了Ni2+(0.8％(原子分数))掺杂的呈六角纤锌矿结构的ZnO薄膜.氧气气氛下制备的薄膜沿(002)取向生长,表面比较平整,平均颗粒尺寸为80nm.真空条件下制备的薄膜出现Zn2SiO4杂相,平均颗粒尺寸为150nm.和真空条件下制备的薄膜相比,氧气气氛下制备的薄膜具有较强的ZnO本征发光,在425nm附近出现由于填隙Zn缺陷引起的较宽的蓝光发光带,并且在482nm处出现了由于氧空位和氧间隙间的转换引起的较强的蓝光发光峰,同时由于氧缺陷引起的449nm附近的蓝光发光峰强度明显降低.     

Cr~（3＋）离子掺杂对Al_2O_3粉末结构及发光性能影响

采用球磨法制备了不同浓度Cr_2O_3掺杂的Al_2O_3粉体,并在700℃、1200℃空气中退火2 h。1200℃退火后样品,除掺杂浓度为1.6%的样品中出现少量γ-Al_2O_3相外,其余样品相均为纯α-Al_2O_3。样品晶格常数随着Cr~（3＋）离子浓度的增加而增加。采用波长为579 nm的激发光源对佯品进行荧...     

退火对Cr3+离子掺杂Al2O3薄膜的结构及发光性能影响

用脉冲激光沉积技术在Si(100)基底上制备了纯Al2O3、掺杂浓度为0.3%、1%(质量分数)的Cr3+∶Al2O3薄膜。制备态的薄膜为立方γ-Al2O3结构,经800℃真空条件下退火1h样品的结晶度有所提高,呈现α-Al2O3相与γ-Al2O3相的衍射峰。薄膜基本保持了靶材中原有各元素成分比例,平均粒径为250nm,形貌为条形。与Al2O3粉体相比,制备态薄膜在386nm处的发光峰强度明显提高。这可归因于薄膜中氧空位的增加使双氧空位吸收电子所产生的F2+色心浓度提高。薄膜经真空退火后在332、398nm附近的发光峰强度明显增强,这是由于薄膜中氧空位的增加提高了F+、F色心浓度。与此同时,制备态薄膜在386nm附近发光峰经退火后由386nm蓝移至381nm,可归因于退火后制备态薄膜的内应力得到了释放。1%(质量分数)Cr3+掺杂薄膜在646、694nm出现Cr3+离子由4 T2能级跃迁至4 A2能级及由E-能级跃迁至4 A2能级产生的荧光发光峰。     

紫外吸收全光谱法测定海水硝酸盐研究

紫外吸收全光谱法用于探测海水中硝酸盐浓度,具有测试结果准确可靠,简单快速,实用性强等特点。文中实验采用紫外吸收全光谱法在200~370 nm波段测试了硝酸盐和溴离子、氯离子、亚硝酸盐、浊度,以及他们与硝酸盐的混合溶液。分析了这些对测定海水硝酸盐有干扰影响的物质的紫外吸收光谱,并与硝酸盐做了对比分析,获得了硝酸盐和干扰物质的紫外吸收光谱特性,以及吸光度随波长变化的规律。通过硝酸盐浓度与吸光度的线性拟合曲线,显示二者有良好的线性关系,验证了实验的准确性。结果表明,使用紫外吸收全光谱法可用于测定海水中的硝酸盐。     

微量Co2+掺杂ZnO粉体的结构和光学性能研究

采用球磨法制备了Zn1-xCoxO(x=0,0.004,0.008)纳米粉体,分别利用XRD,PL光谱和紫外-可见吸收光谱对样品进行了表征。XRD图谱显示样品呈六方纤锌矿结构,随着Co2+离子掺杂量的增加,晶格常数和平均晶粒尺寸略有减小。在PL光谱上观察到三个发光带:370nm处的本征发光峰、468nm附近的强蓝光发光峰,以及533nm附近的绿光发光峰。和球磨样品相比,1 200℃退火的样品的发光强度明显增强,这归因于退火使样品晶粒长大。在紫外-可见吸收谱上可以观察到两个吸收带:由ZnO的带隙吸收引起的360～388nm的强紫外吸收带和由Co2+离子的d-d跃迁引起的565nm附近的可见光吸收带。因此通过调节Co2+掺杂量和选择适当的退火温度可制备高质量的发光材料。     

基于拉曼光谱技术的可燃液体快速检测研究

拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动对物质进行定性分析,广泛应用在很多领域。拉曼光谱可应用于便携式监测系统,但其数据量偏大,如果不对其数据处理,会增加后续的分析时间,影响自动识别的速度。文中选取九种常见可燃液体90#汽油、93#汽油、97#汽油、丙酮、二甲苯、甲醇、乙醇、乙二醇、叔丁醇为例,对其进行数据预处理分析,特征峰提取效果显著,进而对数据进行512点的压缩,然后选取支持向量机(support vector machine,SVM)分类算法和随机森林分类算法进行模型训练。研究结果表明,随机森林算法的识别可燃液体样品的交叉验证精度高于SVM算法,随机森林算法的均方误差的结果也都优于SVM算法。运用拉曼光谱技术可明显检测出可燃液体样品的谱峰,对数据进行压缩,提高分析速度,可为后续仪器小型化提供技术参考。