激光诱导三维网状石墨烯的一步法制备及应用

三维多孔石墨烯作为一种优异的石墨烯碳材料, 其独特的多孔结构使得材料在具有较大比表面积的同时还保持着足够高的电子迁移率和机械稳定性, 在电子器件中得到了广泛的应用. 本文介绍的激光诱导石墨烯是一种以一步法直接制备得到的三维网状石墨烯材料, 该技术将三维石墨烯的制备和图案化相结合, 无需进行湿化学反应处理, 制作方法更简便, 材料性能更优异. 目前研究主要集中在通过掺杂提高性能和利用转移法实现不同基底器件的制备. 激光诱导石墨烯自身特有的属性如多孔微纳米结构和大的比表面积等使其在超级电容器和传感器等领域拥有较高的应用价值.     

基于多孔金结构的三相界面酶电极的制备及高效电化学酶传感性能

界面微环境是影响酶催化反应及酶传感性能的关键因素. 本研究基于三维微纳米结构多孔金基底, 通过调控电极表面的亲水和疏水浸润性, 制备了具有固-液-气三相界面微环境的氧化酶电极, 并研究了界面微环境对酶催化反应动力学的影响规律. 基于所制备的三相界面多孔金结构酶电极, 反应物氧气能够从气相直接快速地传输到酶催化反应界面, 极大地提升了界面氧气浓度及其稳定性, 从而大幅度提高了氧化酶活性及酶电极响应的稳定性. 以葡萄糖为模型待测物, 基于该三相界面酶电极的电化学酶生物传感器拥有宽的线性范围、 高的灵敏度、 低的检出限以及良好的稳定性. 这类独特的三相反应界面设计为高效酶生物传感器的建构以及生物分子的精准检测提供了新思路.     

复合材料柔软性对倒金字塔微结构阵列传感器性能的影响

采用模压成型方法制备了2种柔软性不同的热塑性聚氨酯/短切碳纤维/碳纳米管(TPU/SCF-CNT)复合材料复制物, 其表面上具有倒金字塔微结构阵列, 内部有SCF与CNT共同构成的导电通路. 将复合材料复制物和相应的复合材料平整片封装成柔性传感器. 结果表明, 压力作用下传感器内复制物和平整片之间的接触电阻因倒金字塔底棱的形变而显著降低. 对使用柔软性较高的复合材料封装的传感器, 虽然其相对迟滞稍大, 但压力作用下倒金字塔底棱形变量较大, 且复制物和平整片内导电通路增加量较大, 因此其在0~2.5 kPa的线性区内具有较高的灵敏度(0.32 kPa^?1). 制备的2种传感器均具有快速响应特性, 且能在500 s(约1580次)的循环压缩/释放测试(峰值压力约3 kPa)中保持较稳定的电阻响应. 研究表明, 利用模压成型的表面倒金字塔结构复合材料复制物封装成的柔性压力传感器具有良好的传感性能.     

荧光探针在氰化物分析中的研究进展

氰化物极易与细胞色素氧化酶键合,抑制电子转移、导致组织缺氧,从而显示较强的毒性。荧光化学传感器作为简易、灵敏且可视化的方法广泛应用于氰化物的检测。本文对荧光探针在氰化物检测中的应用进行综述,概述了氰化物的毒性机制和荧光探针对氰化物的响应机理。同时,本文总结了荧光探针在水体、食品和生物组织中对氰化物的检测及生物成像中的应用,并对荧光探针在结构设计中如何提高生物兼容性和靶向性等进行了展望,以期为光化学探针分子的设计及应用提供理论与研究依据。     

毒死蜱分子印迹光电化学传感器的制备及应用

以毒死蜱为模板分子,乙二醇二甲基丙烯酸酯为交联剂,对巯基苯胺为功能单体,Gr/CH3NH3PbI3纳米复合材料为载体,构建了MIP/ITO/Gr/CH3NH3Pb I3光电化学传感器。采用电流-时间法对传感器制备条件进行优化。在最佳实验条件下,峰电流与毒死蜱浓度在1.0～200 nmol/L范围内呈线性关系,相关系数R~2=0.9962,检测限为0.1 nmol/L。该传感器用于蔬菜样品中毒死蜱的检测,回收率在96.0%～107.2%之间。     

基于CS-GO/AgNPs氯酚分子印迹电化学传感器的构建

以2,4-二氯苯酚(2,4-DCP)为模板分子,吡咯(Py)为功能单体,协同壳聚糖-银纳米粒子氧化石墨烯(CS-GO/AgNPs)复合材料增强电导性,在玻碳电极(GCE)表面制备分子印迹膜,构建了2,4-DCP分子印迹电化学传感器(2,4-DCP-MIECS)并用于水环境中氯酚的特异性识别与检测。通过透射电子显微镜(TEM)、X射线衍射仪(XRD)对GO/AgNPs复合材料进行分析表征,采用循环伏安法(CV)、交流阻抗法(EIS)对电化学传感器进行性能表征。采用差分脉冲伏安法(DPV)对2,4-DCP进行检测,该电化学传感器的线性范围为1.0～1.0×10~3pmol/L,检出限为0.1 pmol/L,该传感器已用于水样品中2,4-DCP的检测。     

基于瑞利熵的多无源传感器数据关联算法

针对当前多无源传感器数据关联算法构造关联代价时,未考虑位置估计不确定性所引入的误差,提出一种基于位置估计不确定性的被动传感器数据关联算法。首先通过量测与伪量测概率密度函数之间的瑞利熵构建关联代价函数,以准确描述两个相似的概率密度函数之间差异,然后通过具体实验测试本文算法的有效性和优越性。实验结果表明,相对于当前经典的数据关联算法,本文算法提高了数据关联的正确率和速度,具有更高的实际应用价值。