【摘 要】
：
为了进一步地优化多孔类核壳结构硅碳负极材料的制备方法，通过“两步喷雾造粒、一步碳化成型”法制备出了具有石榴结构状的锂离子电池硅碳负极材料。采用XRD、SEM和TGA等方法对材料的物理性质进行了表征；然后为了提升复合材料的导电性与结构稳定性，提升其充放电性能，将碳纳米管（canbonnanotube，CNT）导电剂与鳞片石墨（graphite，G）与复合材料进行了复合，得到了Si@Pore-C/CN
【基金项目】
：
国家科技支撑计划项目（2013BAB07B05）； 湖北省自然科学基金项目（2014CFB788）；
论文部分内容阅读
为了进一步地优化多孔类核壳结构硅碳负极材料的制备方法，通过“两步喷雾造粒、一步碳化成型”法制备出了具有石榴结构状的锂离子电池硅碳负极材料。采用XRD、SEM和TGA等方法对材料的物理性质进行了表征；然后为了提升复合材料的导电性与结构稳定性，提升其充放电性能，将碳纳米管（canbonnanotube，CNT）导电剂与鳞片石墨（graphite，G）与复合材料进行了复合，得到了Si@Pore-C/CNT/G@C复合材料。该材料在0.1 C的电流密度下，在50次充放电循环后具有高达95.6%的容量保持率，并且在经过97次较长循环后仍具有82.8%的容量保持率。此外，所提出的制备方式简单高效、具有量产的潜力、无需使用酸碱刻蚀或其他牺牲模板，是一种绿色、高效的制备方案。
其他文献
我国是世界产梨大国,梨果种植面积和产量长期稳居世界首位,而其产业附加值和出口率远低于欧美发达国家,这反映出我国在梨果品质检测领域缺少竞争力。可溶性固形物（Soluble Solids Content,SSC）和酸度（p H）是评价梨果内部品质的重要指标。传统的SSC含量和p H值测量方法虽准确率高,但具有破坏性、低效的缺点。因此,研究一种高效、快速无损的梨果品质检测方法,有助于推动我国梨果产业的进
复杂网络是一种以多学科知识为基础的新兴学科,已被广泛应用于多个领域中。复杂网络能够很好的模拟各种真实的复杂现象,目前,以复杂网络为研究对象的非线性系统逐渐成为研究的热点。同步,作为复杂网络最具代表性的动态行为之一,同样也受到了研究者们的广泛关注。在真实的网络中一些不确定因素无法提前预知,在模型上考虑不确定因素对网络同步的影响是很有必要的。此外,相对于整数阶系统,分数阶系统更适于研究具有记忆特性与遗
全面推进智能电网建设,是现阶段提升我国电网智能技术含量的重要措施。输电系统作为智能电网关键组成部分之一,必须对其中的各种部件进行定期检查以保证输电系统稳定运行,从而实现智能电网中输电线路的智能化监测与管理。输电线路中安装防振锤旨在降低电力线随风振动的频率,但其长期暴露在恶劣环境下易产生锈蚀、缺损等现象,提高智能巡检防振锤的质量对延长电力线使用寿命至关重要。近些年无人机被应用于电力巡检领域,逐渐成为
松树因为其耐寒耐旱的特点,在世界范围内广泛分布。松树是减少水土流失和绿化荒山的重要树木,但是松树在生长过程中容易感染松树枯萎病、松材线虫病等松树病害,这些病害具有传染性和较强破坏性,松树感染松材线虫病等病害后,短期内便会枯死,进而影响整个松树林的安全。因此,施药救治或及时根除枯死松树是保护松林最有效的处理方式,但是由于松树多种植在山区,人工查找染病松树费时、费力、效果差。无人机技术和计算机视觉技术
由于人体足部的先天形状或不正确的行走姿势会导致病态足型的发生,病态足型不仅对足部健康构成威胁,还会导致行走时的疲劳和疼痛,甚至引起运动障碍和下肢其他疾病。因此需要对病态足型进行准确的识别,以便做出相应的预防、护理矫正措施。目前利用三维足部图像或X射线图像进行足型研究的较多,然而,三维足部图像需要测量员具有一定的技术与熟练度,且会存在不可避免的人工误差;X射线片需要人体照射X光,且需要专门的仪器以及
小麦是我国主要的粮食作物,其长势情况与产量息息相关,而最终产量对农业管理部门政策制定有重要参考作用,因此对冬小麦长势及产量开展研究具有实际应用价值。无人机遥感技术因其操作简单、高效在作物研究中被广泛应用。本文以安徽省庐江县白湖农场和舒城县农科所试验基地为研究区,利用搭载高清数码相机和成像高光谱仪的无人机平台,采集研究区冬小麦扬花期和灌浆期的冠层可见光影像及高光谱影像。结合地面实测数据对冬小麦进行长
“民以食为天,万物以粮为本”。粮食自古以来就是人类不可获缺的能量补充来源,粮食存储的重要性不言而喻。作为人口和农业大国,我国粮储管理技术发展成果显著,但在粮仓通风控制技术和通风智能化方面还比较薄弱。通风控制方式依赖于操作人员以往经验做出判断,并没有实现真正的无人值守。传统的通风控制无法做到通风预测,管理人员无法提前做通风准备工作。同时,传统通风方式无法准确感知粮仓通风进程,很容易造成过度通风等资源
中国是全球主要的茶叶生产和消费国,有大面积的茶叶种植园。然而,由于土壤、气候、生态等原因,茶树会受到不同种类的病害感染,从而导致减产。精确识别茶叶病害有利于指导茶农精准喷药,减少因茶叶的病害所造成的损失,保证茶农的经济利益。由于大部分茶树生长在崎岖的山区,植保专家翻山越岭去辨别茶叶病害的效率低成本高。基于图像处理和机器学习的识别方法能够及时且有效识别病害茶叶信息,传统机器学习的方法需要手工提取病害
自2020年年末以来,国内经受新冠疫情影响,诸多如非接触式的测量仪器为全球抗疫及人类日常生活提供极大便利,非接触视觉检测大量应用到服务机器人、医院消毒机器人、大流量人员出入口非接触检测,其中就运用了多目立体视觉检测技术。立体视觉在国内市场进入爆发式的发展阶段,双目立体模拟人类的眼睛与外界环境形成参考关系,且双目视觉结构易于构建,在经过双目图像采集后可以获取待测目标的深度信息。现实生产生活中,双目图
茶叶病害不仅会导致茶叶产量的下降,而且影响茶叶的品质和口感,精准地检测茶叶病害对病害的及时有效防治至关重要。近年来,由于深度学习和人工卷积神经网络的发展,计算机视觉技术在农业中作物病害检测领域得到了广泛应用。然而,自然场景中拍摄的茶叶病害图像背景较为复杂,图像中包含大量的树枝、枯叶、土壤、杂草等干扰目标,还存在叶片光照不均匀、密集遮挡、目标占比小、尺度变化大等特点。本文针对这些问题,开展基于卷积神