基于多种措施纳米球-花状混合型ZnSnO3气敏性能提高的研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:einsun222
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
气敏传感器可以检测环境中的特定气体,在易燃、易爆、有毒、有害气体的检测中应用非常广泛。气敏材料对气敏传感器的性能有着至关重要的影响,在众多气敏传感器中,金属氧化物半导体气敏传感器因其气敏材料制备简单、绿色环保、气敏性能优异等优点受到国内外研究者的高度关注。ZnSnO3是一种具有钙钛矿结构的三元复合金属氧化物半导体,它兼具Zn O和Sn O2两种材料的特点,表现出优异的气敏性能。但与许多二元金属氧化物半导体材料一样,ZnSnO3气敏传感器需工作在200℃以上才能实现良好的气敏性能,在较低温度下的气敏性能相对较差,这严重限制了它在危险气体方面的应用。针对上述问题,本文采取以下措施改善ZnSnO3在低温下的气敏性能:首先,在有机功能添加剂三乙醇胺(Triethanolamine,TEOA)的作用下,用共沉淀法制备出具有高比表面积的纳米球-花状混合型ZnSnO3颗粒;然后,通过Mg掺杂ZnSnO3提升ZnSnO3的气敏活性;最后,引入紫外光敏材料nano-TiO2修饰ZnSnO3,形成异质结,在紫外光的辅助照射下,降低了ZnSnO3的最佳工作温度。气敏测试表明,当Mg与Zn的摩尔比为1:9、TiO2的修饰量为10 wt%时,所制备的TiO2/Zn0.9Mg0.1Sn O3复合物具有最佳的气敏性能:在紫外光(5 W,365 nm)照射下,该气敏材料对500 ppm乙醇气体的响应值高达149.81,此时对应的工作温度为80℃。相关机理研究认为Mg能提高ZnSnO3气敏性能的原因是:Mg的弱电负性改变了ZnSnO3中Zn、Sn原子对氧气和氧负离子的化学吸附和解吸,提高了气敏材料的活性,从而增大了气敏响应;此外,紫外光敏材料TiO2与ZnSnO3在界面处形成异质结,在紫外光照射下,能够增加ZnSnO3导带的电子数,有利于更多氧负离子的产生和气敏反应的发生,从而降低ZnSnO3气敏工作温度。综上,本文制备了纳米球-花状混合型ZnSnO3,通过Mg掺杂、紫外光敏材料TiO2修饰不仅降低了其工作温度,而且还提高了其气敏性能。以上特殊形貌ZnSnO3的制备及气敏性能提高所采取的方法为高性能气敏感器的研究提供了新思路。
其他文献
近年来,深度神经网络取得了突破性的进展,如今在生活中的各个领域都得到了广泛的应用,比如图像分类识别、人脸识别、语音识别等。随着对网络结构和损失函数的不断优化,深度神经网络显著的改善了各种复杂的分类任务的性能。损失函数是深度学习中不可或缺的一部分,而对于不同的任务,有各种各样的损失函数,如MSE,BCE等。关于损失函数的性能有很多研究。一个好的损失函数理论上应该能够使得数据集中相同类别的特征的分布更
基于竞争抑制免疫层析原理,开展茶叶中草甘膦快速检测试纸条的研制。采用柠檬酸三钠还原氯金酸制备了20 nm胶体金颗粒,然后以胶体金为标记物制备草甘膦单克隆抗体-胶体金偶联物,以硝酸纤维素膜为固相载体,包被草甘膦半抗原-卵清蛋白偶联物为检测线、羊抗兔二抗为质控线,建立草甘膦的胶体金快速检测试纸条。同时优化了胶体金最适pH值、抗体最佳使用量、试纸条材料的型号,最终确定胶体金溶液的pH值为7.5,最佳抗体
运动目标的检测也就是人们常说的追踪问题,它是计算机视觉的重要组成部分。其相关的方法有很多种,其中光流法描述的是图像中像素点灰度值的变化趋势,也就是像素点的运动速度矢量场。在过去的几年中,深度学习在计算机视觉和自然语言处理等各种问题上都取得了很好的效果。而随着卷积神经网络的理论逐渐成熟,其相关研究逐渐深入到光流特征图评估的领域。本文提出了一种称为快速光流单元的网络子结构,它使原网络能够通过一种快速并
随着互联网时代的到来,视频的制作以及传播越来越便捷,视频数据大规模增长,拍摄视频逐渐成为了很多人分享生活内容的一种方式,但同时也产生了大量重复视频。视频内容具有一定的经济价值,视频盗版的行为损害了视频制作方的利益,同时也会增加视频网站的带宽和存储成本,不利于视频平台的发展。现今视频网站会根据用户喜好推荐视频,推荐重复的视频会极大影响用户的观看体验。因此需要借助计算机技术识别重复视频。本文提出了一种
人工智能关注智能体的智能行为,比如在战略性遭遇战中打败人类或者在认知任务中胜过人类。联盟博弈可以用来模拟经济、政治和许多其他社会领域中出现的各种问题,这是一种混合动机(竞争和合作)博弈,其中参与者通过战略谈判来决定组成什么联盟以及如何在联盟成员之间分配收益。虽然联盟博弈理论中存在大量的工作,但联盟形成的过程却很少受到关注,特别是当智能体与人类交互而不是与其他自治主体交互时的联盟过程。人工智能在此类
交通速度预测是智能交通系统中必不可少的环节。由于交通环境的复杂性,预测未来的交通速度十分困难。已有文献中提出使用支持向量回归(SVR)、回归神经网络(RNN)等多种机器学习模型进行交通流预测。然而,对于交通流的预测,尤其是对多步交通速度的预测,目前有关使用集成模型解决的研究较少。集成模型通过对多个基模型的组合,可以提高模型的泛化能力和准确率。但目前的集成组合方式比较单一,例如使用平均集成,加权集成
本文主要针对多智能体协同控制问题进行研究。多智能体系统是环境中多个自主智能体交互组成的计算系统,实现多智能体协同控制是提升整体效益的关键。多智能体协同控制的目标是生成一致性策略,其中,最终多智能体收敛到的主导策略称为社会规范。社会规范的涌现是保证智能体协作的关键。针对大规模分布式多智能体系统,由于系统中不存在中心式的控制节点,较难在智能体还未进行交互前直接生成协作策略,因此,研究针对复杂社会网络结
长短时记忆网络适合于处理长序列依赖问题,对于水文径流这种受长时间间隔的气象等因素影响的复杂过程能够有很好的处理和模拟能力。本研究基于长短时记忆网络以泾河流域为例建立四种模型,分别是直接预测模型、差分预测模型、平均值预测模型和复合校准模型,目标是对流域的月平均径流量进行预测。复合校准模型和平均值模型在新安江上也有很好的模拟预测能力,证明了模型的有效性、可用性和可泛化性。在掌握了准确水文数据的情况下,
随着人工智能技术取得了前所未有的发展,以知识图谱为代表的知识工程以及深度学习等相关领域得到了广泛的关注。知识图谱的概念最早是由谷歌于2012年正式提出的,它是新一代知识库,主要用来描述真实世界中存在的各种实体和概念,以及他们之间的关系。知识图谱能够弥补机器学习、深度学习算法的描述能力,规则等表示形式与神经网络相比是显性的知识,因此可基于此对学习的结果,例如链接预测,提供人类可理解的解释。本文针对规