【摘 要】
：
以MoS2,WS2和BN为代表的二维纳米材料因其在场效应晶体管,光电传感器和气体传感器等方面具有广阔的应用前景,近年来引起了广泛的兴趣。液相剥离法是一种简单有效的制备方法,
【机 构】
：
兰州大学功能有机分子化学国家重点实验室;
论文部分内容阅读
以MoS2,WS2和BN为代表的二维纳米材料因其在场效应晶体管,光电传感器和气体传感器等方面具有广阔的应用前景,近年来引起了广泛的兴趣。液相剥离法是一种简单有效的制备方法,同时具有不需表面修饰,因而保持材料本身性质的优点。我们课题组首次提出使用混合溶剂,快速大量地制备MoS2,WS2和BN等二维纳米材料的策略并证明纳米材料在溶剂中的分散特性与HSP(Hansen Solubility Parameter)理论的预测相吻合。在此基础上,我们对液相剥离法制备的二维纳米材料的修饰及非线性光学性质进行了研究。
其他文献
工厂中存在着许多危险的区域,这些区域一般是禁止行人接近的。通常的做法是通过人力对工厂中的危险区域进行监控,当有人接近时,会对其进行劝退。这种方式存在着很大问题。如果工厂中存在着很多危险区域,而每个危险区域的面积较大,就需要足够的人员对危险区域进行管理。增加的人员会导致庞大的开销,同时,监控人员的疏忽可能会导致事故的发生。深度学习的发展推动了计算机视觉领域的进步,且深度学习已成功运用到相关领域,如人
双轮差速驱动搬运AGV在实际运动过程中,由于传感器读数误差和机械传动误差会产生运动累积误差,针对该问题,文中提出一种基于单目视觉的误差检测方法。首先采用基于栅格分割、聚类的方法提取二值图像中的定位块并使用平均值算法计算定位块的中心点;然后根据定位块中心点的相对位置关系建立误差检测计算模型;最后通过实验对本方法进行验证,位置和航向角检测结果误差分别小于1 mm和1°,证明所述方法具有较高的检测精度。