【摘 要】
：
通过水热法和共沉淀法合成了锌铝水滑石。通过XRD、FTIR和SEM等对锌铝水滑石形貌、结构进行了表征,并对样品的电化学性能进行了测试。研究结果表明:两种合成方法都能制备具有锌铝水滑石特征峰的样品,水热法可以制备由纳米片堆叠的球状锌铝水滑石聚集体;CV测试表明水热法合成锌铝水滑石的氧化还原峰电位差较小,表明电极材料具有更好的可逆性。Tafel测试表明水热法合成锌铝水滑石电极具有更正的腐蚀电位和更小的腐蚀电流,耐腐蚀性能良好。恒电流充放电测试表明,水热法合成锌铝水滑石具有更优良的电化学性能,表现在更长的循环寿
【基金项目】
：
湖南省自然科学基金科教联合项目(2019JJ-70070)。
论文部分内容阅读
通过水热法和共沉淀法合成了锌铝水滑石。通过XRD、FTIR和SEM等对锌铝水滑石形貌、结构进行了表征,并对样品的电化学性能进行了测试。研究结果表明:两种合成方法都能制备具有锌铝水滑石特征峰的样品,水热法可以制备由纳米片堆叠的球状锌铝水滑石聚集体;CV测试表明水热法合成锌铝水滑石的氧化还原峰电位差较小,表明电极材料具有更好的可逆性。Tafel测试表明水热法合成锌铝水滑石电极具有更正的腐蚀电位和更小的腐蚀电流,耐腐蚀性能良好。恒电流充放电测试表明,水热法合成锌铝水滑石具有更优良的电化学性能,表现在更长的循环寿
其他文献
为了延长惯性平台使用寿命并提高其稳定精度,以光纤陀螺作为惯性平台的敏感元件,建立了平台系统稳定回路的数学模型.针对平台系统的性能指标要求,基于H∞ 控制理论设计稳定回
为了建立精确的锂离子电池模型,在线监测电池的荷电状态(SOC),采用二阶等效电路模型,通过实验数据拟合开路电压(OCV)与荷电状态的对应关系。选用遗忘因子多新息递推最小二乘法(FF-MILS)为在线辨识算法完成对锂离子电池在线模型参数估测,同时将所得模型参数传入卡尔曼滤波器,完成对动力电池荷电状态的估算。在MATLAB/Simulink中实现该算法的编程,把电池综合测试仪对锂离子电池采样所得电流、电压、容量等实验数据导入算法进行仿真。结果表明,该算法迅速收敛初值误差,并在稳定状态下最大误差不超过2%,从而
针对锂离子电池的容量在线测量困难的问题,提出了一种基于优化的融合型间接健康因子和改进的最小二乘支持向量机的锂离子电池剩余寿命间接预测方法。首先采用自适应健康因子提取方法提取了等电压升充电时间序列和等电流降充电时间序列,通过健康因子的线性组合和Box-Cox变换构建了优化的融合型健康因子。然后针对最小二乘支持向量机的超参数调整困难的问题,提出了基于粒子群优化的改进算法。在此基础上,构建了基于优化的融合型健康因子的锂离子电池剩余寿命间接预测方法。实验结果表明,提出的间接预测方法能够较好地拟合容量的退化过程,同
相对于传统聚烯烃隔膜,陶瓷隔膜因其良好的耐热收缩性能得到大规模商业化应用。选择两款不同类型的黏结剂制备陶瓷隔膜。首先考察黏结剂对陶瓷隔膜性能的影响,然后研究陶瓷隔膜耐热收缩性能与电池安全性能之间的关联性。研究发现,陶瓷隔膜的耐热收缩性能与黏结剂的玻璃化转变温度正相关。电池过充电和加热安全性能测试结果表明,高耐热陶瓷隔膜有助于降低发生热失控的风险。
将Ni0.6Co0.2Mn0.2(OH)2前驱体与碳酸锂以一定的比例混合,随后采用高温固相法制备LiNi0.6Co0.2Mn0.2O2锂电池正极材料,研究升温速率、烧结温度和烧结时间对材料电化学性能的影响。实验研究显示,最终得出的最优工艺参数为烧结温度930℃、烧结时间10 h和升温速率3℃/min。在此工艺条件下,制得的622镍钴
图像融合一直以来都是图像处理与机器视觉领域中极其重要的研究方向,而稀疏表示(Sparse Representation, SR)是当前应用最为广泛的图像表示理论之一。针对传统的基于稀疏表示的图像融合策略对超完备字典信息利用不足的问题,提出了基于原子加权稀疏表示(Atom-weighted Sparse Representation, AWSR)的图像融合算法。首先,利用超完备字典对源图像进行稀疏域
单晶型高镍锂离子电池正极材料,具有工作电压高、比容量高、压实密度高等优势,极具应用潜力.为了改善单晶高镍材料的循环稳定性和热稳定性,选用具有良好抗氧化性的高分子聚合
负极材料对锂离子电池的电化学性能至关重要。使用NaOH刻蚀得到无氟Ti
3C
2T
x(T=OH,O)材料并通过氮掺杂、水热原位生长SnO
2得到一种N-Ti
3C
2T
x/SnO
2复合材料用于锂离子电池的负极。SnO
2纳米粒子分散均一地锚固在高导电的N掺杂MXene骨架上,可以加速电子传输并缓冲SnO
2
为实现高精度的动力电池SOC估计,需要建立准确的电池模型。针对磷酸铁锂电池平台特性,采用二阶RC等效电路建立电池的等效电路模型;用双指数函数拟合OCV与SOC的函数关系;采用双线性变换法将电池的数学模型离散化,得到可辨识的电池数学模型。为保证电池模型的精度,要对电池模型的参数进行辨识。首次提出一种基于天牛须搜索算法的电池模型参数辨识方法。用该方法对建立的电池模型进行辨识后,用Simulink对模型进行了脉冲放电与恒流放电仿真测试,并与离线测量数据进行对比,结果表明模型的最大动态误差不超过30 mV,说明该
锂离子电池容量损失主要是由于电池内部老化所导致的,电池内部老化模式主要包括锂离子损失(LLI),正极活性材料损失(LAMPE)以及负极活性材料损失(LAMNE)。微分电压(DV)曲线特征值的变化能够用来分析电池内部的老化模式,但是由于容量增量(IC)曲线特定的峰谷变化对应电池内部多种衰退模式,因而DV曲线的特征变化对应的具体老化模式需要进行具体分析。基于半电池充放电曲线合成全电池充放电曲线的方法,分析了DV曲线形状特征变化所对应电池内部的老化模式,为电池健康状态