锂离子电池LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2混合正极材料的电化学热稳定性能

为了改善LiNi_(0.8)Co_(0.15)Al_(0.05)O_2正极材料的电化学热稳定性能,加入LiFePO_4共混制成了LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2锂离子电池用混合正极材料。使用X射线衍射(XRD)和扫描电子显微镜(SEM)表征了结构和形貌,测试了电化学性能。结果显示,简单球磨的混合LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2正极材料中,纳米LiFePO_4粒子包覆在LiNi_(0.8)Co_(0.15)Al_(0.05)O_2粒子表面提高了混合正极材料在充放电过程中的电化学稳定性和结构稳定性。LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2混合正极材料在50℃下循环100周容量保持率为82.0%,明显地优于单一LiNi_(0.8)Co_(0.15)Al_(0.05)O_2材料的72.9%。

基于组合分类算法的源代码注释质量评估方法

源代码注释是软件的重要组成部分,研究者往往需要利用人工或自动化的方法产生分析注释,注释的质量评估也往往是通过人工来完成,这无疑是低效不客观的。为此,首先从注释的格式、语言形式、内容以及与代码相关度4个方面出发构建注释评估准则;进而,基于这一准则提出了一种基于组合分类算法的注释质量评估方法。该方法将机器学习以及自然语言处理技术引入到注释质量评估中来,利用分类算法将注释分为不合格、合格、良好、优秀四个等级。通过对基本分类算法的组合使用,使得评估效果进一步提高。组合分类算法的准确率和F1值较单独使用某一种分类算法提高20个百分点左右,除宏平均F1值外,各项指标都达到了70%以上。实验结果表明,所提方法能够很好地应用于注释质量评估。

石墨烯修饰改性制备锂离子电池LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2复合正极材料及其性能

采用两步干混-球磨方法制备了石墨烯掺杂改性的锂离子电池LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2复合正极材料,实现LiNi_(0.8)Co_(0.15)Al_(0.05)O_2材料的高容量和高安全性。借助X射线衍射(XRD)、扫描电镜(SEM)、透射电镜(TEM)、X射线光电子能谱(XPS)以及电化学测试等表征手段对材料的晶体结构、微观形貌和电化学性能进行了较系统的研究。结果表明,石墨烯的存在实现了Li Fe PO4材料在LiNi_(0.8)Co_(0.15)Al_(0.05)O_2材料表面的完全包覆,形成致密的包覆层,进一步抑制LiNi_(0.8)Co_(0.15)Al_(0.05)O_2与电解液之间的副反应,提高活性材料利用率和循环性能。三者之间构成导电网络,加快电子渗透和传输,提高倍率性能。Li Fe PO4质量分数为20%的Li Fe PO4-Graphene/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2样品具有最佳的容量性能和长循环性能,0.1C时放电容量达到202.5 m Ah·g^(-1),3C时放电容量仍然可保持在160.5 m Ah·g^(-1)。50℃在2.8~4.3 V,0.5C下循环100次后,容量保持率为91.9%,优于LiNi_(0.8)Co_(0.15)Al_(0.05)O_2和LiFePO_4/LiNi_(0.8)Co_(0.15)Al_(0.05)O_2样品的72.9%和82.0%。

LiFePO4/S复合正极材料的制备及其电化学性能

以提高磷酸铁锂体系动力电池的能量密度为目的,在LiFePO4正极材料中加入少量S材料球磨制得LiFePO4/S复合正极材料。使用X射线衍射(XRD)和扫描电子显微镜(SEM)表征了结构和形貌,并分别组装扣式电池和软包电池测试其电化学性能。结果表明,磷酸铁锂纳米颗粒致密均匀附着在硫材料表面,构成具有包覆性结构的复合材料。在不同比例的LiFePO4/S复合材料中,硫的添加量为15%的LiFePO4/S复合正极材料表现出最优异的电化学性能,0.1 C下的初始容量为251.5mA h/g,循环100周之后容量保持率达94.9%。以该比例的复合材料为正极的0.5A h软包电池,循环100周后容量保持率为86.7%。LiFePO4作为一种极性载体,对多硫化物有一定的吸附能力,少量硫的加入可以在大幅度提高LiFePO4材料放电容量的同时,维持优异的循环稳定性。LiFePO4/S复合材料可为磷酸铁锂体系动力电池的发展提供新的思路。

基于数据库的在线函数调用图工具

针对基于文件的内核函数调用图工具存在的文件系统可扩展性和适用性等方面的不足,设计并实现了基于数据库的DBCG-RTL工具(Data Based Call Graph Tool Based on RTL,DBCG-RTL),该工具可用于分析大型软件模块间的函数调用关系.DBCG-RTL通过查找编译过程中生成的符号表而获得函数入口地址、返回行号等相关函数信息,绘制相应的关系图并标识出调用次数等信息,建立了相关的虚目录;将需要分析的对象通过分析工具跟踪到的数据转换成标准化格式并存入数据库.论文结果表明,该方法扩展了动态函数调用关系分析的功能,增加了虚目录函数调用关系分析等新方法;改善了工具执行效率,提高了工具的分析精度.