Sb_(2)S_(3)前驱体的结晶调控及储锂性能研究

在Sb_(2)S_(3)制备过程中,通过调节不同的反应温度获得晶型和粒度各异的前驱体颗粒。研究结果表明:在60℃合成的Sb_(2)S_(3)前驱体颗粒粒径适中,循环后的容量最高;针对Sb_(2)S_(3)-60℃前驱体进行进一步烧结处理后,所合成的棒状结构表面光滑,缺陷较少,并且分布均匀;Sb_(2)S_(3)-60℃-H@C在0.1 A/g的电流密度下首圈放电容量达916 mA·h·g~(-1),50圈循环后的容量保持率仍然接近90%,且Sb_(2)S_(3)-60℃-H@C在5 A/g下的容量为496 mA·h·g^(-1),表明其具有很强的电化学可逆性。显然,在60℃合成的材料结构稳定,离子扩散能力强,能够有效减小体积膨胀和多硫化物的穿梭,从而获得优异的锂离子存储性能,因此,通过优化Sb_(2)S_(3)前驱体的合成条件,对其形貌、粒径以及其他内部特性进行调控是制备高性能锂离子电池阳极的关键环节。

电参数对Cu-Ni-Fe-10Al合金阳极表面微弧氧化膜性能的影响

在磷酸盐电解质中,通过3种电源模式,对铜合金进行了微弧氧化处理,研究了电源模式与铜合金微弧氧化膜厚度、形貌、成分以及抗高温氧化性能之间的关系。研究结果表明:不对称交流电源无法使铜合金成功氧化;低的脉冲频率更容易获得厚的氧化膜;氧化膜成分主要是Al_(2)O_(3)、CuO,低频脉冲模式下氧化膜中还有Fe_(3)O_(4);有了微弧氧化膜的保护,铜合金抗高温氧化性能有了很大提高。

基于深度神经网络的等离子熔覆修复路径规划

通过DNN深度神经网络来建立等离子熔覆工艺参数和熔覆焊道几何特征之间的关系,为之后通过平行路径进行熔覆修复路径规划提供数据支持,最后进行仿真试验和熔覆修复实例验证。试验以Q235钢和Fe706分别作为基体和熔覆粉末,设计以熔覆电流、送粉量和扫描速率为变量的33组试验。通过金相显微镜观察熔覆层微观形貌,测量高度、宽度、熔覆区面积和熔合区面积,计算出稀释率。在获取上述工艺参数和宏观形貌的基础上,运用DNN深度神经网络建立预测模型,并与实际得到的熔覆层形貌进行对比。结果表明:DNN深度神经网络模型预测值与实际值误差在2%左右,预测精度较高,为齿轮单齿破损区路径规划提供精确的数据支撑,之后进行路径规划仿真试验并最终完成破损区齿轮的熔覆修复实例,验证了神经网络和路径规划结合的可行性。