排序方式: 共有57条查询结果,搜索用时 578 毫秒
1.
利用电化学方法将温室气体CO2还原(CO2RR)为高附加值化学品是解决环境和能源问题的一种很有前景的办法.目前,大量具有催化活性的材料已被广泛应用于CO2RR中,主要包括金属、合金、金属氧化物和金属-碳氮复合材料等.然而大部分金属也是很好的析氢反应(HER)活性位点,容易在CO2RR催化过程产生大量氢气,同时部分金属位点容易被CO毒化导致活性与选择性下降,而且金属成本较高也会阻碍催化剂的工业化应用.因此,开发低成本、高性能的无金属的氮掺碳材料(mf-NCs)作为高效CO2RR催化剂,以及研究相关的催化机理对于解决温室效应和能源短缺问题都至关重要.但N活性位点不清晰以及本征活性较低等劣势阻碍了mf-NCs成为一种高性能催化剂.精准控制合成具有明确N活性位点的mf-NCs催化剂仍然十分具有挑战性.目前,文献报道了一些mf-NCs(如氮杂石墨烯、氮杂纳米管)在CO2RR中的应用.但是,在合成石墨烯或者碳纳米管的过程中需要使用到金属元素,完全去除它们非常困难.比如... 相似文献
2.
以5-(4-羧基苯氧基)烟酸配体(H2cpna)和稀土金属离子Dy3+、Ho3+、Er3+和Tm3+为原料,采用水热法合成了4种稀土金属配合物[M(Hcpna)(cpna)(H2O)3]n,其中M=Dy(1)、Ho (2)、Er (3)、Tm (4)。单晶X射线衍射分析表明配合物1、2、3和4为同构配合物,均为一维链状结构。通过红外、元素分析以及粉末X射线衍射对所得配合物进行了表征,同时对配合物的荧光和磁学性质开展了研究。荧光测试结果表明,配合物1~4的荧光强度均低于配体H2cpna的荧光强度。在2~300 K温度范围内1 kOe直流电场下测试了配合物1~4的磁性,结果表明配合物1、2、3和4的χmT值分别为14.04、14.15、11.08和6.83 cm3·mol-1·K,与文献理论值相符合。 相似文献
3.
ZSM-5分子筛被广泛地应用于催化、吸附分离、离子交换和绿色化工等领域,但目前其合成主要是以无机化学品为硅铝源,从源头来看是非绿色化的过程.我们以热活化的硅藻土和亚熔盐活化的累托土为全部硅铝源,通过调变两种矿物的加入比例调变合成体系的硅铝比,在水热合成体系中制备ZSM-5分子筛.系统地考察模板剂用量、碱度、投料硅铝比、晶化时间等合成条件对产物结构和性质的影响,并对在最优条件下合成的ZSM-5分子筛的物化性质进行了详细地表征,结果表明:以天然矿物为全部硅铝源可以合成出具有较高结晶度、晶粒尺寸约为4 μm的六面体挛晶形貌的ZSM-5分子筛,该分子筛比商业ZSM-5分子筛具有更高的水热稳定性和更优的加氢异构性能. 相似文献
4.
移取饮用水样品10.0mL,加入0.5g氯化钠和100μL二硫化碳,以2 500r·min~(-1)转速离心5min,静置5min后,移取离心管底部的沉积相(约65μL),采用气相色谱法测定其中11种氯苯类化合物的含量。11种氯苯类化合物用Agilent JW DB-WAX毛细管色谱柱分离,电子俘获检测器检测。11种氯苯类化合物的质量浓度在一定范围内与其对应的峰面积呈线性关系,方法的检出限(3S/N)为0.032~0.97μg·L~(-1)。以空白样品为基体进行加标回收试验,所得回收率为86.7%~101%,测定值的相对标准偏差(n=6)为1.2%~3.3%。 相似文献
5.
提出了高效液相色谱法同时测定酱腌菜中5种添加剂安赛蜜、糖精钠、苯甲酸、山梨酸和脱氢乙酸的含量。样品采用0.02 mol·L-1氢氧化钠溶液超声提取后,采用乙酸铅和硫酸钠沉淀样品,经0.45μm滤膜过滤,滤液供高效液相色谱仪测定。采用Agilent C18色谱柱(250 mm×4.6 mm,5μm)分离,用甲醇-0.02 mo1·L-1磷酸二氢钾(25+75)混合溶液为流动相洗脱,用二极管阵列检测器在波长225 nm处测定。5种添加剂的质量浓度均在5~100 mg·L-1范围内与峰面积呈线性关系;检出限(2S/N)在1~2 mg·L-1之间。方法的回收率在85.6%~105.8%之间;测定值的相对标准偏差(n=6)均小于5.0%。 相似文献
6.
水稻土可见-近红外-中红外光谱特性与有机质预测研究 总被引:5,自引:0,他引:5
土壤有机质是农田肥力评估的重要指标,要实现快速获取大面积土壤有机质的含量需要建立高效、稳健的预测模型。光谱技术能够快速诊断土壤有机质,以水稻土为例,从校正样本选择方法的对比,研究了可见-近红外、中红外和可见-近红外-中红外三种不同波段光谱对土壤有机质的预测能力。可见-近红外和中红外区域的光谱反射率转换成吸收率后通过Savitzky-Golay平滑法去噪,通过三种校正样本选择方法建立相应的偏最小二乘回归预测模型。通过Rank-KS法建立的三种波段的有机质预测模型均优于Rank法和KS法,中红外波段光谱的模型预测能力强于可见-近红外和可见-近红外-中红外波段的预测模型,基于Rank-KS法建立的中红外波段有机质预测模型取得了最好的预测效果,RMSEP仅为3.25 g·kg-1,RPD达到4.24,依据VIP得分筛选出可见-近红外和中红外波段的水稻土有机质重要建模波段。因此,中红外光谱建模技术能够对水稻土有机质进行快速定量分析,Rank-KS法可提高模型的预测能力,为今后农田肥力评价和科学施肥提供技术支持。 相似文献
7.
Sn助剂对Pt-Sn/γ-Al_2O_3催化剂上C_(12)正构烷烃脱氢反应的影响 总被引:1,自引:0,他引:1
以正十二烷烃临氢脱氢反应为探针,并结合氮气物理吸附-脱附、压汞、CO脉冲化学吸附、原位X射线光电子能谱及热重等催化剂物化表征手段,研究了Sn助剂对于Pt-Sn/γ-Al2O3长链烷烃脱氢催化剂反应性能的影响。结果表明,当Pt-Sn/γ-Al2O3催化剂中Sn∶Pt原子比为3时,催化剂表现出最佳的反应初活性。继续增加Sn的含量,由于更多的零价锡生成,并与Pt形成合金反而使催化剂活性下降。此外,在催化剂中引入Sn组分后,催化剂的稳定性有所改善,并且随着Sn含量的增加,脱氢反应产物选择性明显提高。 相似文献
8.
建立了超高效液相色谱-串联质谱测定雌性斑马鱼性腺中13种类固醇激素的分析方法。雌鱼性腺分别经预冷的乙腈、乙酸乙酯浸提后,氨基(NH2)、亲水-亲脂平衡介质(HLB)固相萃取柱富集净化,ACQUITY UPLCBEH C18色谱柱进行梯度分离。采用多反应监测模式扫描,基质匹配外标法定量。研究了不同提取溶剂对13种类固醇激素的提取效果,考察了固相萃取柱的净化效果,并对斑马鱼性腺进行类固醇激素加标回收率实验,结果表明,13种分析物的平均加标回收率为74.8%~127.0%,相对标准偏差为3.9%~15.8%,方法检出限为0.006~0.300μg/kg。该方法简便、准确、灵敏,可应用于斑马鱼性腺类固醇激素生理水平的检测。 相似文献
9.
田间原位可见-近红外光谱(VIS-NIR)能够有效的提高土壤属性的检测效率,但由于原位土壤中水分因素的影响,土壤属性的预测精度很难达到预期。如何有效去除土壤中的水分对土壤其他属性光谱预测的影响,是利用田间原位光谱高精度预测土壤属性所面临的难题,也是土壤光谱技术由室内转向田间的突破口。该问题的有效解决,可减除土壤样品的采集与室内预处理等过程,实现土壤属性的田间原位光谱测定。以新疆南部地区阿拉尔垦区十二团棉田为研究区,采用网格采样法共采集了116个0~20 cm深度的表层土壤样品,剔除1个异常值样品,得到115个有用样品,利用SR-3500型便携式地物光谱仪采集了231个样点的田间原位光谱数据,土样经风干、研磨和过筛等处理后测定其室内光谱和有机质含量。利用Kennard-Stone算法将115个土样分为69个转换子集及46个预测集,采用外部参数正交化法(EPO)、光谱直接转换法(DS)及光谱间接转换法(PDS)三种去除水分算法结合原位光谱反射率(R)、反射率一阶微分(R′)、反射率对数(LOG(R))以及反射率倒数(1/R)四种数学变换方式,运用随机森林(RF)模型进行不同组合模型的构建及精度评价。结果表明:(1)土壤有机质含量越高,土壤光谱反射率越低。土壤田间原位光谱反射率低于土壤室内光谱反射率;(2)室内光谱反射率与土壤有机质含量之间的相关性大于田间原位光谱,室内光谱经一阶微分变换后与土壤有机质含量之间的相关性显著提升。(3)土壤室内光谱反射率模型预测精度(R2=0.86, RPD=2.08, RMSE=1.55 g·kg-1, MAPE= 0.14)高于田间原位光谱反射率模型(R2=0.71, RPD=1.49, RMSE=2.17 g·kg-1, MAPE=0.20)。在去除水分算法模型中,以EPO一阶微分模型去除水分效果最好,决定系数R2由0.71提高到0.83,RPD由1.49提高到2.04,RMSE由2.17 g·kg-1降低至1.58 g·kg-1,MAPE由0.20降低至0.14。本研究实现了去除土壤水分因素的影响,提高了田间原位光谱预测土壤有机质的精度,为南疆棉田大尺度土壤有机质的预测及土壤肥力的评价提供了重要的参考。 相似文献
10.
A single dual-mode gas sensor for early safety warning of Li-ion batteries: Micro-scale Li dendrite and electrolyte leakage
下载免费PDF全文
![点击此处可从《中国物理 B》网站下载免费的PDF全文](/ch/ext_images/free.gif)
Wenjun Yan 《中国物理 B》2022,31(11):110704-110704
Li dendrites and electrolyte leakage are common causes of Li-ion battery failure. H2, generated by Li dendrites, and electrolyte vapors have been regarded as gas markers of the early safety warning of Li-ion batteries. SnO2-based gas sensors, widely used for a variety of applications, are promising for the early safety detection of Li-ion batteries, which are necessary and urgently required for the development of Li-ion battery systems. However, the traditional SnO2 sensor, with a single signal, cannot demonstrate intelligent multi-gas recognition. Here, a single dual-mode (direct and alternating current modes) SnO2 sensor demonstrates clear discrimination of electrolyte vapors and H2, released in different states of Li-ion batteries, together with principal component analysis (PCA) analysis. This work provides insight into the intelligent technology of single gas sensors. 相似文献