锂硫电池中CNTs-CNFs夹层对多硫化物的捕获和加速转化机理

为有效抑制多硫化锂(LiPSs)的穿梭效应,通过静电纺丝、电化学沉积和化学气相生长技术在碳纳米纤维(CNFs)上垂直生长碳纳米管(CNTs),开发了一种超薄、轻质的多功能三维多层交联碳纳米纤维-碳纳米管(CNTs-CNFs)夹层,并研究CNTs-CNFs对锂硫电池(LSBs)电化学性能的影响。研究结果表明:CNTs-CNFs薄膜优异的导电性和丰富的孔隙结构为LSBs提供了均匀的导电网络和LiPSs的吸附过滤屏障,与无夹层相比,含有CNTs-CNFs夹层的电池具有更优异的容量保持率和循环稳定性,在0.2 C电流密度下具有1296.7 mA·h/g的初始放电比容量,在100次循环后仍能提供了864.7 mA·h/g的放电比容量,容量保持率为66.68%。

杂质Fe对CNFs形貌与生长机理的影响

采用浆料浸渍法,以纳米镍粉、纳米SiO_(2)和酚醛树脂配制催化剂浆料,在二维碳纤维布表面引入催化剂层,并通过化学气相沉积(CVD)法原位生成碳纳米纤维(CNFs)。当催化剂浆料中存在1.3%二茂铁时,观察到二维碳纤维布表面生成蕾丝状CNFs。通过扫描电镜(SEM)、透射电镜(TEM)以及拉曼光谱的表征,对比分析了杂质引入前后微结构的差异。并基于扩散和固-液-气(V-L-S)生长模型分析了蕾丝CNFs的生长机理。结果表明:Fe是影响蕾丝形成的主要因素。

CVD参数对镀镍碳纤维原位生长CNFs形貌的影响及生长机理分析

碳纤维具有低密度、高模量及高力学强度等优势,是常见的复合材料增强体。通过表面改性的方式,实现碳纤维表面纳米碳材料的有效复合,可获得更优的材料性能。而目前常见的制备方法,可能存在催化剂引入过程损伤纤维、反应时间长等缺点。因此,探索工业化大规模负载纳米尺度碳材料的制备工艺十分必要。采用商用镀镍碳纤维为原料,通过调节化学气相沉积法(CVD)参数,实现不同形貌碳纳米纤维(CNFs)在镀镍碳纤维表面的有效负载,通过SEM、EDS和TEM等表征方式,结合扩散理论和V-S-L模型,分析催化剂厚度对催化剂形态的影响及CVD参数对各形貌产物的影响机理。结果表明,当催化剂层较厚时,催化剂以连续的片状形态存在,主要控制因素为热失配而非表面张力。H_(2)比例较高时,反应以扩散为主导,形貌趋向于催化剂位于中间的粗大CNFs阵列;H2比例较低时,反应以催化为主导,形貌趋向于具有夹层的CNFs团簇。

MXene/CNF复合气凝胶的制备及其湿敏性能研究

本研究将新型二维过渡金属碳氮材料(MXene)与纤维素纳米纤维(CNF)复合,通过液氮定向和非定向预冷冻方法,冷冻干燥后制备4种不同MXene/CNF复合气凝胶,探究加入不同类型CNF、MXene和采用不同液氮预冷冻方法对复合气凝胶形貌结构的影响。结果表明,定向单层MXene/TOCNF复合气凝胶形貌最为优异;对其制备的湿度传感器在相对湿度11%~97%的条件下进行了湿敏测试,发现在MXene质量分数10%、相对湿度97%的条件下,传感器响应值增大了3倍,说明传感器对于高湿度更为敏感,且该传感器在14天内基本稳定。

基于自适应模糊补偿的不确定性机器人CNF控制

为解决不确定性因素对机器人系统的影响,实现不确定性机器人系统准确跟踪参考输入的能力,研究了自适应模糊控制和组合非线性反馈(CNF)控制相结合的策略。提出了一种基于自适应模糊补偿的机器人CNF控制器。核心是将系统的不确定性利用自适应模糊控制进行在线逼近,作为CNF控制器的补偿项,充分利用两种控制方法的优势,降低不确定性因素对系统性能的影响。通过反馈线性化技术与Lyapunov理论,证明了闭环系统的收敛性;最终仿真结果证实了此方法的有效性。

化学镀Ni-Fe-Co-P/CNFs催化硼氢化钠水解制氢

采用化学镀法在碳纤维(CNFs)上负载Ni-Fe-Co-P合金,用X射线能量色散谱仪(EDS)、场发射扫描电子显微镜(FE-SEM)、X射线衍射仪(XRD)、化学吸附仪(BET)等手段对合金进行表征。结果表明,Ni-Fe-Co-P为非晶态,含有76.68%镍、10.00%钴、4.30%铁、9.02%磷,非晶合金镀层在CNFs基体上负载和分散良好。硼氢化钠水解制氢实验考察了Ni-Fe-Co-P/CNFs的催化性能。该催化剂的催化性能与催化剂的用量,氢氧化钠浓度,硼氢化钠浓度以及温度有关,同时探究了热处理温度和时间对Ni-Fe-Co-P/CNFs催化剂催化性能的影响。结果表明,20mL含0.4%硼氢化钠的溶液在55℃时的产氢速率约为1 500mL·(g·min)-1。由动力学研究得到该催化剂催化硼氢化钠水解反应的活化能为54.81kJ·mol-1。

液相共沉淀法制备MnO_2/CNFs催化剂及其低温脱硝性能

以碳纳米纤维为载体,采用液相共沉淀法制备MnO_2/CNFs催化剂并将其应用于低温选择性催化还原(SCR)NO,利用BET,XRD,FESEM,EDS,TEM及XPS对催化剂的微观形貌、结构特征、元素组成以及价态分布进行表征。结果表明:催化剂的活性组分是MnO_2,且以无定型态负载于CNFs表面。在80~180℃下进行低温脱硝活性的测试。当负载量为6%时,MnO_2/CNFs催化剂的脱硝性能最为优异,在80℃时脱硝率就达到了65.25%,当温度升高至180℃时脱硝率达95.25%。无定型结构、良好的分散性以及较高的表面吸附氧含量是MnO_2/CNFs催化剂具有优异低温脱硝催化活性的主要原因。本研究在未经过任何酸处理的情况下使MnO_2负载在CNFs上,很大程度上减小了对环境的污染。

解 packing 及 CNF-SAT 问题的拟物拟人方法

提出拟物拟人方法．论述了如何按此种方法为ＮＰ难问题设计出高效实用的快速求解算法．作为例证，所得出的关于ＣＮＦ－ＳＡＴ问题及ｐａｃｋｉｎｇ问题的算法，其先进性在国际竞赛及工业生产中得到了显示．

炭纤维表面原位生长CNT/CNF及其生长机理

以电镀Ni颗粒为催化剂、丙烯(C3H6)为碳源、H2为载气、N2为稀释气体,采用催化化学气相沉积(CCVD)法,在炭纤维表面原位生长碳纳米管/碳纳米纤维(CNT/CNF),并对炭纤维进行表面改性。利用SEM和TEM对生长的CNT/CNF进行表征。利用Raman光谱表征未经处理的炭纤维和由CCVD生长的CNT/CNF炭纤维,对比改性前后的纤维表面结构。结果表明:表面改性可减少纤维表层的无序碳和非晶碳的数量,提高表层的石墨化程度。基于实验分析,提出了1种CCVD生长CNT/CNF的"断裂—吸附—扩散—沉积"机理模型。

白果壳纤维素纳米丝(CNFs)的制备及其在Pickering中的应用

以白果壳纤维素为原料,采用高压均质处理制备纤维素纳米丝(CNFs),并研究其在Pickering乳液中的应用。结果表明,通过调节均质压力10~70MPa可以制备出不同尺寸的CNFs,均质压力越高,CNFs尺寸越小。这些不同尺寸的纤维素展现出不同的物理性质,大尺寸的CNFs-10具有相对高的结晶度和亲水性,而小尺寸的CNFs-70展现出低结晶度和高疏水性。Pickering乳液的稳定性跟CNFs性质有着密切的关系,大尺寸和高亲水性的CNFs-10制备的乳液具有差的稳定性,而小尺寸和高疏水性的CNFs-70制备的乳液展现出色的稳定性。这些结果证明了CNFs也可以制备出稳定的Pickering乳液,为果壳废料的利用提供一定的方法。

基于SCNF和概率CYK算法的最佳剖析树

对基于纯规则(chart)的自底向上方法进行句法剖析后出现的大量无法消解的歧义现象,通过引入概率型Chomsky范式(SCNF)在一定程度上消除部分句法结构歧义;在利用Inside-Outside算法进行参数自动训练,并通过语法示例验证Inside-Outside算法的收敛性后,最后采用概率CYK算法得到句子的最佳剖析树。

PVA/CNF@CuS近红外隔热膜的制备及性能

将具有近红外吸收能力的硫化铜(CuS)负载在具有高强度的纳米纤维素(CNF)上,得到CNF@CuS复合物,然后将CNF@CuS添加到聚乙烯醇(PVA)基体中,制备高强度和良好隔热性能于一体的PVA/CNF@CuS近红外隔热膜。通过扫描电镜、X射线衍射仪、傅里叶变换红外光谱仪、紫外-可见光谱仪、拉伸性能测试及隔热性能测试等对其进行结构表征及性能测试。结果表明:CNF@CuS与PVA基体具有良好的界面相容性,CNF@CuS与PVA的质量比为2∶100时,复合膜的拉伸强度由纯PVA的34.5 MPa增加到72.9 MPa,同时复合膜可以透过大部分可见光并对近红外光具有良好的屏蔽效果,且具有良好的隔热性能。

CNF/CPAM共絮聚增强PCC絮聚体稳定性研究

添加纤维素纳米纤维(CNF)协同阳离子聚丙烯酰胺(CPAM)对沉淀碳酸钙(PCC)进行预絮聚,对不同CNF用量下絮聚体尺寸进行了测定。通过强度因子和再絮聚因子分别对絮聚体强度性能和再絮聚性能进行表征,结果表明当CNF添加量为5%左右时,絮聚体的强度性能和再絮聚性能较佳。对CNF絮聚PCC的机理进行了分析,CNF大的比表面积和高长径比增强了PCC与CPAM的桥连絮聚,使得絮聚体更为密实,强度提升。

基于CNF权重学习求解3-SAT问题的进化算法

SAT(Satisfiability)可满足性问题研究具有很广的应用价值,是计算机和人工智能领域内的一个重要问题,也是第一个被证明为NP完全的问题。随着对SAT问题的深入研究,已经提出了很多高效的算法,其中随机算法(WalkSAT)、进化算法等启发式算法是今年来研究的热点。进化算法是遗传算法的一种,通过对生物组织进化的学习,形成的一种高效算法。针对CNF(Con-jecture Normal Formula)权重和生物进化算法相结合,提出一种有效求解难SAT问题的不完全算法WOSAT.

基于CuS/RGO@CNF复合材料的柔性超疏水吸波纺织品的制备和性能

采用低表面能物质聚二甲基硅氧烷(PDMS)为黏结剂,利用纳米硫化铜/还原氧化石墨烯@纤维素纳米纤维(CuS/RGO@CNF)三元复合材料在棉织物上构筑表面粗糙结构,制备了柔性超疏水吸波纺织品。对整理织物的微观形貌和结构进行了表征,研究了整理织物的吸波性能和超疏水性能。结果表明,与纳米CuS、CuS/RGO复合材料相比,CuS/RGO@CNF复合材料具备微观多孔结构,呈现优异的微波吸收性能,最小反射损耗为-49.71 dB,整理的织物在频率为11.46 GHz时最小反射损耗可达到-32.4 dB,水滴接触角达到155.3°,具有优异的吸波、超疏水、防污及自清洁性能。

CNF公式赋值空间上可满足解的概率性质

为分析合取范式(conjunctive normal form,CNF)公式的赋值空间在可满足性情况下的结构性质,引入一个变元翻转次数控制的参数k,k不小于1且不大于n,n为公式中出现的变元个数,以赋值作为结点,基于翻转界控制下赋值满足子句数的大小,引入一类有向图——BF(bounded flips)图。研究带翻转控制参数的BF图的若干基础性质,根据BF图的性质研究CNF公式可满足解的概率性质。对于含有n个变元m个子句CNF公式,随着翻转控制参数k的增大,在其BF图上取得可满足解的概率也相应增大。当k靠近n时,概率稳定。对于可满足的CNF公式,在其任意k值下的BF图上进行t次随机游走。当t足够大时,取得可满足解的概率最终会收敛于1。最后,实验仿真支持性质的正确性。

等离子体处理对PLA膜亲水性及与CNF膜粘附性的影响

目的利用低温等离子体处理PLA膜以提高其亲水性及粘附性,为制备PLA/纳米纤维素复合膜提供一种方法。方法利用单因素试验法探究低温等离子体处理时的放电电压(50~175V)和放电时间(10~50s)对PLA膜表面亲水性和粘附性的影响规律。通过测定PLA膜表面接触角及PLA/纳米纤维素复合膜的剥离强度,分析亲水性及粘附性的变化。利用原子力显微镜观察其微观表面形貌、X射线光电子能谱分析PLA膜表面由疏水性向亲水性转变的机理,并对PLA膜的力学性能及阻隔性能进行分析。结果PLA膜在低温等离子体条件(放电电压为125V、放电时间为40s、电极距离为4.5cm,氧气流速为1 mL/min,真空度为16.0 kPa)下处理后,其亲水性及与纳米纤维素膜的粘附性达到最佳。此时,PLA膜的接触角由90.0°降至42.4°,PLA/纳米纤维素复合膜的剥离强度为39.5 N/m。结论低温等离子体处理使PLA膜表面由疏水性转变为亲水性,且处理后的PLA可较为牢固地与纳米纤维素膜粘附在一起,从而为PLA/纳米纤维素复合膜的制备提供了一种可行方法。同时,低温等离子体处理对PLA膜的力学性能及阻隔性能没有显著影响。

聚乙二醇对表面改性CNF/PLA复合材料性能的影响

目前,溶液浇铸法制备纳米纤维素/聚乳酸复合材料,常将纳米纤维素直接加入聚乳酸,导致制备的复合材料各项机械性能普遍降低。为了改善其机械性能,笔者采用聚乙二醇2000作为塑化剂处理纳米纤维素,制备聚乳酸/纳米纤维素/聚乙二醇三相复合材料。通过对复合材料的微观形貌观测,力学性能分析和热稳定性分析来确定聚乙二醇的影响机制。试验结果表明,添加2%~4%聚乙二醇2000的三相复合材料的拉伸强度、撕裂强度与断裂伸长率得到了提高,材料的热稳定性相对纯聚乳酸发生了下降。而随着聚乙二醇含量逐渐增加至8%,材料的拉伸强度、撕裂强度与断裂伸长率都出现了降低,而其热稳定性回升,复合材料的玻璃化转化温度(TG)大约提升了5~6℃。同时,研究发现保持一定的聚乙二醇/纳米纤维素添加比例可获得分散均匀、性能优良的复合材料,团聚现象明显减少。综上,经过一定量的聚乙二醇2000表面改性可促进纳米纤维素在聚乳酸中的均匀分散,从而增强复合材料的综合机械性能。

求解MAX-CNF问题的一种随机近似算法

已有的Johnson算法是求解组合问题的一种随机近似算法,可以用于求解MAX-CNF问题。基于该算法,提出新的随机近似算法RCNF求解MAX-CNF问题。概率推导和实验数值均表明,RCNF具有良好的近似比和稳定的性能。在构成难可满足问题的CNF实例上,将新算法与演化算法结合,进一步提出扩展算法E-RCNF。扩展算法利用演化算法的并行性,可以在较短时间内,简单有效地求出最多可满足子句数的近似值。

基于因子图求解(3,4=)-CNF公式类下可满足问题

合取范式(CNF)公式F是(3,4=)-CNF公式,如果F中每个子句的长度是3,每个变元出现的次数恰好为4次。与(3,4=)-CNF公式所关联的因子图是一类规则的二部图,即每个子句结点的度为3,每个变元结点的度为4,此类规则图被称为(3,4)-双向正则二部图。对于一个(3,4=)-CNF公式F,如果它关联的因子图GF有P7-路径因子,则F可满足。