g-C3N4基复合光催化剂的设计制备及其产氢性能优化研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:smartdudu
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
石墨相氮化碳(g-C3N4)是一类非常重要的非金属聚合物,在能源和催化等众多领域中具有广泛且重要的用途。因其具有原料丰富、制备工艺简单、稳定性强、绿色安全等特性,已被成功地应用于光催化产氢、CO2还原和N2固定等多种能量转换、环境工程及其相关反应体系中。尽管具有以上诸多优点,对于单纯、未经改性的g-C3N4光催化剂,光催化反应中可见光捕获能力较低以及光生电子-空穴对的快速复合导致电荷分离效率低等问题直接导致了其光催化性能远低于产业化的标准,从而限制了其进一步大规模应用。因此,如何进一步提高g-C3N4材料的光催化性能,特别是在可见光区的光催化反应活性和载流子输运性能,是提高其光催化产氢性能的关键。本博士论文主要通过助催化剂负载、构建异质结构、利用缺陷工程设计和引入异元素掺杂等改性手段和策略来构建新型g-C3N4基复合材料,制备系列具有高活性和高稳定性的新型光催化剂,重点研究和探讨所制备复合材料的可控合成、能带结构、活性位点、光催化应用等相关科学问题,以提高和优化其光催化制氢性能。所取得的主要研究结果和创新点如下:一、通过热液注射方法结合超声辅助的自组装方法,设计和制备出二维ReSe2/g-C3N4异质结构光催化剂,在ReSe2纳米片上诱导引入适量硒空位来调控和优化其电子结构和传导性能。透射电子显微镜(TEM/HRTEM)表征显示该复合纳米材料的组成形式为二维的2D/2D型异质结构。X射线衍射(XRD)、X射线光电子能谱(XPS)和电子顺磁共振波谱(EPR)等多种技术研究也证实了该异质结构的成功制备;XPS、紫外-可见光光谱(UV-Vis)和电化学莫特肖特基实验(Mottschottky)等还研究分析了 ReSe2和g-C3N4材料的能带结构以及组成异质结构的类型。密度泛函理论(DFT)计算表明,经过剥离后的二维ReSe2材料能够产生更多的高质量的边缘活性位点,并且异质结构的形成促进了催化剂和助催化剂之间发生电子转移,g-C3N4表面的载流子被输送到这些活性位置进行产氢反应,这一过程大幅提高了电荷传输效率,抑制了光生电子-空穴对的复合。实验研究表明,二维ReSe2/g-C3N4复合材料的可见光催化产氢效率达到1055.50μmol g-1 h-1。同时,二维ReSe2/g-C3N4复合材料显示出更好的可见光响应效果和更高的稳定性,均优于文献报道的大多数同类型材料。二、采用溶剂热反应和自组装工程设计和制备出带有嵌入的NiCoP纳米颗粒(NPs)的NiCoP/g-C3N4复合纳米材料。在合成过程中,NiCoP纳米颗粒通过形成特殊的P(δ-)-Co(δ+)/Ni(δ+)-N(δ-)键,使得NiCoP保持分散的状态并固定在g-C3N4纳米片表面。XPS等结构测试显示,P(δ-)-Co(δ+)/Ni(δ+)-N(δ-)键的形成使复合材料表面对H原子的吸附能力增强,产生新的高效催化活性位点。UV-Vis和紫外光电子能谱(UPS)等测试对能带结构的深入研究表明,NiCoP纳米颗粒具有的金属特性可以与g-C3N4纳米片形成肖特基势垒,调控g-C3N4纳米片的电子结构,使g-C3N4纳米片的价带发生变化,并将g-C3N4表面产生的光生电子转移到助催化剂NiCoP上完成H+还原反应。在光催化制氢实验中,NiCoP/g-C3N4复合材料在仅有1 wt%负载量的基础上维持了高水平的稳定性和活性,产氢效率达到1067.11μmol g-1 h-1,在助催化剂的利用能力和可控性等表现上明显优于同类型催化剂。三、利用掺杂改性设计、通过简单的共热缩聚反应制备了少量B元素掺杂的BCN纳米片材料,对g-C3N4纳米片的电子传导性能进行了调整和优化。XPS和HRTEM的等测试的结果验证了 B元素的成功掺杂及B原子在3-s-三嗪环上对C原子的取代效应。BET比表面积测试法和TEM等测试结果表明,B原子的掺杂使得材料形貌发生一定的改变,比表面积增加,提升了催化反应的电荷转移动力学。通过对B原子掺杂量的评估优化得到了基础性能更好的BCN-5纳米片,其光催化活性相比于原g-C3N4纳米片提高60%左右。进一步分析其结构和电子结构特性,证明B元素的掺杂明显改变了g-C3N4的导带位置。我们将BCN材料进一步与前两部分中制备的助催化剂组装以获得全新的g-C3N4基复合材料,产氢效率实验证明二维ReSe2(SV)/BCN材料的光催化活性相比于原g-C3N4基复合材料稳定提升49%,而单分散NiCoP/BCN材料的光催化活性相比于原g-C3N4基复合材料下降36%。我们结合对工作中各种复合材料的能带结构的催化反应机制分析,成功从能带调控方向的角度对这两种反差性变化提出了解释,为设计更复杂的g-C3N4基复合光催化剂提供了路径。
其他文献
单视角深度估计任务是计算机视觉领域中极具挑战性的问题之一,其目标是给定单张彩色图像,预测图像上每个像素点的深度值。由于三维空间到图像平面的透视投影,该任务存在天然的歧义性,是一个非适定问题。近年来,随着深度学习技术的发展,单视角深度估计的算法性能得到大幅提升,但仍然面临三个困难:(1)通过深度卷积神经网络预测的深度图缺乏对场景精细结构的描述;(2)深度标注数据获取难度大;(3)单视角深度估计网络的
近年来,太赫兹(THz)电磁波在医疗生物检测、材料分析、无线通信、大气监测等广泛领域展现出越来越重要的应用前景。THz辐射源是支撑THz技术应用和发展的关键器件。然而,由于THz波处在电子学和光子学的中间地带,基于传统电子学方法和光子学方法的THz源在输出功率、频率、便携性等方面难以满足实用需求。自由电子驱动的电磁辐射源在THz频段可以实现大功率输出,是一类重要的THz源。但是这类装置通常体积庞大
服役于人体生理环境中的植入金属材料往往由于腐蚀、磨损等作用而产生金属离子释放。某些适量释放的金属离子虽然在促进组织再生等方面发挥积极作用,但不可否认,过量的离子积累将对人体产生毒副作用,进而直接影响材料的生物相容性。通常,植入金属离子释放行为与材料的耐蚀能力息息相关,而作为评价植入金属材料耐蚀性的通用、实用手段,腐蚀电化学测试技术已广泛应用。因此,探究模拟人体环境中金属离子释放的动力学过程,阐述离
基于密度泛函理论的第一性计算方法已经被大量应用于预测和研究材料的各种物理和化学性质,已经成为独立于实验和理论的第三种研究方法。密度泛函理论的成功在于创造性利用密度作为能量的泛函,将3N维的Schr(?)dinger方程转为了三维问题,大大降低了计算量。但是密度泛函理论是基于变分原理的基态理论,这使得其在应用到激发态过程中存在很多问题,比如无法准确地预测分子和固体体系的光谱和激发态能级等。同时由于到
随着计算能力日渐强大的移动智能设备的广泛普及,一种基于众包思想而衍生出的移动计算范式——移动群智感知,可以协调网络中的移动用户群体通过携带的智能设备进行大规模的数据收集和复杂的任务计算。另一方面,数据交易可以打破数据孤岛,提高数据的流通性和复用性,但它同时也面临数据来源匮乏和多样性欠缺的问题。因此本文利用移动群智感知在数据收集方面的智能性、普适性、低成本等优势构建一种新型的移动群智感知数据交易系统
移动场景下的轻量级客户端不在本地储存完整的区块链,在向全节点查询交易过程中轻量级客户端会泄露与其相关的地址和交易。移动用户可以运行一个轻量级全节点来服务其轻量级客户端,从而保护其轻量级客户端的交易查询隐私,但是轻量级全节点面临区块验证效率降低问题,这会降低区块链的可扩展性。此外,区块链可用于管理移动用户访问公共无线热点的访问凭证,但仍需满足移动用户的条件匿名认证需求,以及降低访问凭证管理中的上链数
以深度学习算法为代表的人工智能算法近些年来飞速发展,在计算机视觉、自然语言处理和竞技游戏等不同的领域,深度学习算法展现的智能已经接近甚至超过了人类的水平。基于通用处理器的传统计算系统已经不能很好地支持深度学习算法的需求,新兴的智能计算系统以其在性能和功耗上的优异表现,成为了深度学习算法的重要物质载体。然而,深度学习算法快速发展,智能芯片也不断推陈出新,这对智能计算系统的通用性提出了极大的挑战。本文
车道线检测和分类是自动驾驶技术中环境感知系统的重要组成模块。传统的车道线检测和分类算法主要提取车道线的颜色、纹理等特征,进一步采用聚类或分割算法获取车道线的位置和类别信息。然而,传统算法依赖于手动提取的特征,在不良天气以及复杂道路环境下的性能具有一定的局限性。深度学习具有强大的自动提取特征的能力,可应用到复杂多变的道路场景中。目前,基于深度学习的算法是将车道线检测任务和分类任务视为语义分割任务。然
层状材料(如石墨、过渡族硫化物、黑磷、氮化硼等)具有特殊的层状结构,其原子在层内依靠共价键结合,在层间依靠范德瓦尔斯力(Van der Waals forces)结合,这种层状结构不仅使其具有丰富的结构和电子特性,而且易于通过外场进行调控,在光电子、能源等领域具有重要的应用前景。压力作为一种重要的外场调控方法,对于层状材料的独特结构,可以非常有效地改变其层间相互作用,从而显著地改变其晶体结构和电子
惰性气体放射性同位素39Ar的半衰期为269年。它在大气中分布均匀、化学性质稳定,是研究地下水、冰川和海洋等的理想示踪剂。39Ar定年的范围大约为50至1500年,正好可以覆盖3H(或CFCs、SF6等)和14C之间的定年空隙。由于39Ar极低的同位素丰度(8×10-16),因此探测非常困难,对现代痕量分析技术是一个技术挑战。最近原子阱痕量分析方法(Atom Trap Trace Analysis