Adsorption behavior and mechanism of Bi(Ⅲ) ions on rutile-water interface in the presence of nonyl hydroxamic acid

The adsorption behavior and mechanism of Bi（Ⅲ） ions on the rutile-water interface were investigated through micro-flotation, Zeta potential measurement, adsorption amount measurement and X-ray photoelectron spectroscopy（XPS）. According to the results of micro-flotation, Bi（Ⅲ） ions could largely improve the rutile flotation recovery（from 62% to 91%）, and they could increase the activating sites and reduce the competitive adsorption between nonyl hydroxamic acid negative ions and OH-ions, which determined that Bi（Ⅲ） ions were capable of activating rutile flotation. The adsorption of Bi（Ⅲ） ions onto the rutile surface led to the shift of Zeta potential into the positive direction, which was good for the adsorption of nonyl hydroxamic acid anions. In addition, the results of XPS indicated that the chemical environment around Ti atom had not changed before and after the adsorption of Bi（Ⅲ） ions. Based on the adsorption mechanism of Bi（Ⅲ） ions, it was deduced that firstly Bi（Ⅲ） ions occupied the vacancies of the original Ca^2＋, Mg^2＋ and Fe^2＋ ions on the rutile surface; secondly Bi（Ⅲ） ions covered on the rutile surface in the form of hydroxides.

Bi Nanoparticles Anchored in N-Doped Porous Carbon as Anode of High Energy Density Lithium Ion Battery

A novel bismuth–carbon composite, in which bismuth nanoparticles were anchored in a nitrogen-doped carbon matrix(Bi@NC), is proposed as anode for high volumetric energy density lithium ion batteries(LIBs).Bi@NC composite was synthesized via carbonization of Zn-containing zeolitic imidazolate(ZIF-8) and replacement of Zn with Bi, resulting in the N-doped carbon that was hierarchically porous and anchored with Bi nanoparticles. The matrix provides a highly electronic conductive network that facilitates the lithiation/delithiation of Bi.Additionally, it restrains aggregation of Bi nanoparticles and serves as a buffer layer to alleviate the mechanical strain of Bi nanoparticles upon Li insertion/extraction.With these contributions, Bi@NC exhibits excellent cycling stability and rate capacity compared to bare Bi nanoparticles or their simple composites with carbon. This study provides a new approach for fabricating high volumetric energy density LIBs.

Ray Tracing Study of Electromagnetic Ion Cyclotron Waves Associated with Bi-Ion Frequencies

Ray tracing study of electromagnetic ion cyclotron （EMIC） waves is conducted based on a realistic plasma density model. The simulation result shows that EMIC waves propagate away from the equatorial source region to higher latitudes basically along geomagnetic field lines, and are reflected at the region where their frequency matches the local bi-ion frequency. H＋ band suffers H＋-He＋ bi-ion frequency reflection at lower latitudes, whereas He＋ band suffers He＋-O＋ bi-ion frequency reflection at higher latitudes. Moreover, the concentration of heavy ions slightly affects the bi-ion frequencies and then slightly determines the reflection location of ray paths of EMIC waves. The current results present the first detailed study on the propagation characteristics of EMIC waves associated with bi-ion frequencies.

Effects of bi-kappa distributed electrons on dust-ion-acoustic shock waves in dusty superthermal plasmas

The basic properties of dust-ion-acoustic （DIA） shock waves in an unmagnetized dusty plasma （containing inertial ions, kappa distributed electrons with two distinct temperatures, and negatively charged immobile dust grains） are investi- gated both numerically and analytically. The hydrodynamic equation for inertial ions has been used to derive the Burgers equation. The effects of superthermal bi-kappa electrons and ion kinematic viscosity, which are found to modify the basic features of DIA shock waves significantly, are briefly discussed.

基于CNN-BiLSTM网络的锂离子电池健康状态检测方法

锂离子电池健康状态(SOH)是锂离子电池可靠运行的重要参考指标,为提高电池健康状态检测的精确性,提出一种基于CNN-BiLSTM网络的锂电池健康状态检测方法。该方法使用CALCE锂离子电池容量衰减数据集,提取电池健康因子(HI)作为模型输入数据,同时利用灰色关联分析法(GRA)验证HI选取的合理性,采用卷积神经网络(CNN)、双向长短期记忆神经网络(BiLSTM)构建网络模型,对电池容量进行预测,实现锂离子电池健康状态检测。实验结果表明,该方法SOH检测的平均绝对误差为1.3%,均方根误差为1.78%,精确度和可靠性较高。

基于CNN-Bi-LSTM的锂离子电池健康状态估算

锂离子电池健康状态(state of health,SOH)是电池管理系统的重要参数。精确的SOH估算可以提供故障和老化更换预警,保证储能电站的安全稳定运行。选取充电平均电流、放电平均电压与放电平均温度作为输入特征,结合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM),提出基于CNN-Bi-LSTM的锂离子电池SOH在线估算方法。该方法通过CNN自动提取输入网格数据的空间特征,输入数据获取方便,无须储存大量数据。继而利用Bi-LSTM充分挖掘电池老化过程中的时序特征,最终实现精确SOH估算。美国国家航空航天局(national aeronautics and space administration,NASA)电池老化数据集上的测试结果表明,所提方法估算SOH的平均绝对误差与均方根误差分别低于1.07和1.32,精度优于Bi-LSTM和CNN-LSTM两种方法。

Eu^(3+)和Bi^(3+)共掺杂锆酸钡荧光粉的制备及发光性质研究

在还原气氛下采用高温固相法制备了BaZrO3∶0.05Bi,xEu(x=0,0.010,0.025,0.050)荧光粉,并研究了其发光性能。研究证实:Bi,Eu共掺杂的BaZrO3荧光粉在近紫外340nm激发下,具有来自于Bi 3+的宽带发射峰和Eu3+的特征发射;Bi 3+对Eu3+具有能量传递和敏化作用,通过Bi 3+和Eu3+之间的能量传递获得了具有白色发光的BaZrO3荧光粉。

Bi_2O_3-SiO_2玻璃及玻璃陶瓷近红外发光性能的研究

采用高温熔融法制备了Bi2O3-SiO2玻璃及玻璃陶瓷,测试了样品的近红外光区及可见光区的发射谱、激发谱及荧光寿命。在808 nm波长光的激发下,Bi2O3-SiO2玻璃及玻璃陶瓷中均发现了近红外发光。当Bi2O3含量较低时(30mol%、40mol%、50mol%),发光中心位于1336 nm(或1300 nm),为宽带发光;随Bi2O3含量的增加,1070 nm左右出现了窄带近红外发光峰,且逐渐成为最强发光峰,与此同时,1336 nm(或1300 nm)的宽带发光转变为窄带发光。1336 nm(或1300 nm)与1070 nm发射峰的荧光寿命及激发谱均存在较大的区别,初步分析认为这两个发射峰归属于不同的发光中心,1336 nm(或1300 nm)发射峰源于低价态Bi离子。

γ射线辐照与O_2退火对Bi∶CdWO_4单晶体光谱性能的影响

用500和800℃,在氧气下,对掺Bi钨酸镉晶体进行热退火处理,测定了处理后晶体的吸收光谱与发射光谱。随退火处理温度的升高晶体的吸收强度降低,吸收边带发生蓝移。在373与980nm的光激发下,分别观察到发光中心为528nm的CdWO4晶体本征发光与发光中心为1 078nm的Bi 5+发光。晶体样品通过高温氧气处理,发光中心为528nm的荧光带强度增强,但发光中心为1 078nm的荧光带强度变弱。这可能是由于氧退火使Bi 5+转化成Bi 3+所致。经退火处理后,晶体的颜色逐渐变浅,透光率明显提高,这是由于晶体中氧空位减少所致。经γ射线辐照处理后,528nm处的发光增强,而1 078nm处的发光减弱,这可能是由于γ射线辐照后导致Bi 5+变成Bi 3+。

铌酸钇里Bi^(3+)敏化Tm^(3+)的近红外量子剪裁发光的浓度效应

寻找新能源为全球目前面临着的重要课题,其中最理想的新能源为太阳能。近红外量子剪裁发光方法可以把硅或锗太阳能电池响应不够灵敏的大能量光子成倍的转换成为太阳能电池响应灵敏的小能量光子,能够解决光谱失配的问题,较大幅度的提高太阳能电池的效率。很有意义。报道了掺Tm^(3+)Bi^(3+)的铌酸钇磷光粉样品材料的近红外量子剪裁发光的浓度效应。通过测量激发谱与发光谱,发现Tm_(0.058)Bi_(0.010)Y_(0.932)NbO_4有很强的1 820.0 nm近红外量子剪裁发光;进一步的分析发现,它们是由交叉能量传递过程导致的多光子量子剪裁发光;还发现了有着很强的Bi^(3+)对Tm^(3+)的敏化近红外量子剪裁发光,302.0 nm光激发导致的Tm_(0.058)Bi_(0.010)Y_(0.932)NbO_4相对Tm_(0.058)Y_(0.995)NbO_4的1820.0 nm近红外量子剪裁发光的增强达到175.5倍。该结果对探索多光子近红外量子剪裁锗太阳能电池比较有意义。

半导体聚合物量子点-亚甲基蓝荧光能量转移体系测定水中Bi^(3+)

基于半导体聚合物量子点和亚甲基蓝间的荧光共振能量转移构筑了一种铋离子荧光探针。亚甲蓝通过静电作用吸附到半导体聚合物量子点表面使其荧光发生猝灭。铋离子存在时,由于它与半导体聚合物量子点的结合力强于亚甲蓝,使体系的能量转移得到抑制,荧光恢复。在最优化条件下,线性范围为0~0.5%mol/L(R=0.995 5),最低检出限为16 nmol/L。该方法成功用于湖水中的Bi3+测定,结果令人满意。

掺稀土离子的CaS：Bi荧光粉的发光性质

采用固相反应法合成了单掺和双掺稀土离子Ｔｍ３＋、Ｅｒ３＋的ＣａＳ：Ｂｉ荧光粉，测定了试样的荧光光谱和有效余辉。与ＣａＳ：Ｂｉ相比，掺入Ｔｍ３＋、Ｅｒ３＋的荧光粉，Ｂｉ３＋特征发射峰４４７ｎｍ增强，有效余辉延长。表明Ｔｍ３＋、Ｅｒ３＋对Ｂｉ３＋在ＣａＳ中的发光产生了敏化作用，Ｔｍ３＋、Ｅｒ３＋在基质晶格中造成了缺隙深能级，讨论了Ｔｍ３＋、Ｅｒ３＋对ＣａＳ：Ｂｉ发光敏化作用的大小和在基质中造成缺隙能级。的深浅。

Bi^(3+)敏化的SrSiO_3:Eu^(3+),Bi^(3+)发光体的合成与发光

本文采用高温固相扩散法合成出一种新的发光体SrSiO_3:Eu^(3+),Bi^(3+).研究了激活剂Eu^(3+)与敏化剂Bi^(3+)浓度变化与发光强度的关系.实验发现,组成为Sr_(0.817)Li_(0.0915)SiO_3:Eu_(0.075)^(3+),Bi^(3+)的发光体其发光强度最大.给出了发光体SrSiO_3:Eu^(3+)、SrSiO_3:Eu^(3+)、Bi^(3+)的激发光谱与发光光谱;测定了发光体的X射线粉末衍射图并给出了d值,确定了该发光体为SrSiO_3晶格.

BI沸石去除硬度与重金属离子的交换特性

研究了甘肃白银沸石（以下简称ＢＩ沸石）的离子交换特性，对去除水中硬度及几种重金属离子的效果进行了试验，结果表明：ＢＩ沸石的交换容量较大，在去除水中硬度和水中微污染重金属离子方面有开发利用的价值。

Mg(Y,Gd)_4Si_3O_(13)∶Eu,Bi 的溶胶-凝胶法合成、结构和发光性能

采用溶胶-凝胶法首次合成出 MgY_(4-x-y-z)Si_3O_(13)∶Eu_z^(3+),Bi_y^(3+),Gd_x^(3+)系列发光体.其结构与ASTM 卡片记载的 MgY_4Si_3O_(13)的结构相同,属于六方晶系.在每 mol 基质中,Eu^(3+)、Bi^(3+)和 Gd^(3+)的最佳掺杂量分别为0.07,0.025和0.2mol.在发光体由非晶态向晶态的转变过程中,Eu^(3+)的发光强度和所处位置对称性都发生了显著变化.当基质以 Eu^(3+)、Bi^(3+)共掺杂时,Bi^(3+)的兰色发光和 Eu^(3+)的橙红色发光都很强,但 Bi^(3+)向 Eu^(3+)的能量传递效率很低,适量的 Gd^(3+)的加入可增强 Bi^(3+)对Eu^(3+)发光的敏化效果.

高离化离子Bi^（54＋）的能级结构和跃迁参数的理论计算

根据相对论多组态理论，采用新版“多功能相对论原子结构计算程序”ＧＲＡＳＰ２（１９９２），计算了高离化离子Ｂｉ^（５４＋）的精细结构能级和光谱跃迁参数。计算得到的波长与实验值和Ｓｅｅｌｙ等人的计算结果进行了比较。

LiLu(MoO_(4))_(2):Eu^(3+)的制备及其对Fe^(3+)离子的荧光检测研究

Fe^(3+)在生命过程中扮演着重要的角色,开发一种能够快速定量检测Fe^(3+)离子的荧光探针有着重要意义。采用溶胶-凝胶法成功制备了四方相白钨矿结构的LiLu(MoO_(4))_(2):Eu^(3+)荧光粉,粒径为1~2μm;通过荧光光谱研究了所得荧光粉的光学性质,确定了Eu^(3+)的最佳发光掺杂摩尔浓度为15%。所得LiLu(MoO_(4))_(2):15%Eu^(3+)对Fe^(3+)离子的检测下限为14.4μmol/L,并且具有高选择性和抗干扰性。

GdVO_(4)∶Bi^(3+)纳米晶的水热制备及其超宽光致发光研究

以柠檬酸钠为络合剂和封端剂,采用水热法制备GdVO_(4)∶x%Bi^(3+)荧光粉,其中x=0.1%,0.3%,0.5%,1%,3%和5%,随后将所制备的荧光粉置于马弗炉中600℃退火2h。XRD以及TEM的分析结果表明所制备的荧光粉为四方相,且具有较好分散性。在276 nm的紫外光激发下,GdVO_(4)∶x%Bi^(3+)体现出紫外到可见(300~750 nm)的超宽光致发光。基于发射光谱可见,Bi^(3+)最佳掺杂浓度为1%,由此得到能量传递的临界距离Rc。基于CIE坐标图可见所制备的荧光粉基本体现出绿光发射。

双功能活化制备沥青基硬炭用于钠离子电池负极

硬炭作为钠离子电池(SIBs)最具有应用前景的负极材料,其形貌的可控调节和结构优化被广泛研究和关注。以煤沥青为原料,采用柠檬酸钾(C_(6)H_(5)K_(3)O_(7)·H_(2)O)作为双功能活化剂:(1)气体分解产物可消耗过量的氢,实现沥青的固态热解,阻碍有序微晶的生成;(2)固态分解产物钾盐进行活化造孔,从而在高温碳化过程中形成丰富的封闭纳米孔。基于此,成功制备了具有高度无序、多孔片状结构的沥青基硬炭材料,并应用于SIBs负极,探究其电化学性能。研究发现,通过调控活化剂用量可以实现沥青基硬炭微观结构的优化,在适宜质量比条件下制备的硬炭(HC-2-1300)首次库仑效率高达81.5%,在0.1 A·g^(-1)的电流密度下,其可逆比容量为214.2 mAh·g^(-1),明显优于直接碳化的样品(DC-1300)。同时,在5 A·g^(-1)的高电流密度下,HC-2-1300样品仍有116.7 mAh·g^(-1)的可逆比容量,且在1 A·g^(-1)电流密度下充放电循环2000圈后,容量保持率达75.1%,显现出优异的倍率性能和循环稳定性,具有广阔的应用前景。

基于CNN-Bi-LSTM网络的锂离子电池剩余使用寿命预测

锂离子电池的剩余使用寿命(RUL)预测可以评估电池的可靠性,降低电池使用的风险并为电池维护提供理论依据。结合卷积神经网络(CNN)与双向长短期记忆(Bi-LSTM)网络的优点,提出一种考虑多种寿命衰退特征与数据时序性的CNN-Bi-LSTM网络模型用于锂离子电池RUL预测。通过仿真得到CNN超参数,选择相关性高的特征参数作为预测输入量,最后在NASA锂离子电池老化数据集上进行仿真实验。实验结果表明CNN-Bi-LSTM网络模型能准确预测锂离子电池RUL,与其他网络模型相比,具有网络模型参数少、占用内存小的优势,在精确度和收敛性上都有较好表现。