γ-石墨单炔制备及其热敏特性与气敏特性研究

来源 :西北大学 | 被引量 : 0次 | 上传用户:wangqianzheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
γ-石墨单炔(γ-GY)作为一种新型二维碳基半导体材料,具备低形成能、高稳定性、大比表面积、丰富孔洞结构等特点,在半导体器件和电路等领域应用前景广阔。目前对于γ-GY的研究工作依旧处于探索阶段,γ-GY的实验制备方法和具体器件领域应用寥寥无几,此前γ-GY的热敏特性和气敏特性也未被实验研究过。本文首次提出了γ-GY的恒温搅拌制备法,并通过实验探究了γ-GY的热敏特性和气敏特性。本文的研究工作将为γ-GY未来的工业化制备提供一定的实验方法参考,将为γ-GY在热敏、气敏领域的实验研究工作打开大门,将促进γ-GY在半导体器件及电路领域得到更为广阔的应用。本文主要研究内容有:1.γ-GY的恒温搅拌制备方法,所用前驱物为C6Br6和CaC2。实验制备的机理,是利用恒温搅拌时高能的乙醇分子,促进前驱物C6Br6和CaC2的交叉偶联反应的发生。制备的主要流程,包括前驱物预处理、恒温搅拌制备、煅烧除杂、洗涤除杂等环节,最后得到黑色蓬松粉末,经过系列表征测试,确定了制备得到的是具备二维结构的高纯度γ-GY多晶。2.研究了实验设备、预处理工艺、除杂工艺、恒温搅拌温度、恒温搅拌时间等因素对于γ-GY制备的影响,确定实验设置及相关参数为:煅烧除杂采用流通氮气的管式气氛炉;预处理的短时间球磨过程中,前驱物可以混和球磨,也可以各自球磨;除杂工艺设置为先煅烧除杂、后洗涤除杂;恒温搅拌温度设置为80℃;恒温搅拌的搅拌总时长不少于23 h。3.研究了本文所制备γ-GY的稳定性,发现γ-GY在空气氛围下200℃以内、惰性气体氛围下800℃以内时,即可保证γ-GY自身结构、形貌的稳定性。测试分析了γ-GY传感器件的热敏性能,发现其表现出负温度系数(NTC)热敏电阻的特性,阻值随温度升高而呈指数规律下降,器件热敏常数B为2143.7,时间常数τ小于15 s,百日后器件老化率绝对值为0.069。4.测试分析了γ-GY传感器件的气敏性能,发现γ-GY对NO2气体的吸附能力强于解吸附能力,动态响应曲线存在基线漂移现象,基于此,本文选定了响应度曲线的一阶导数极值为γ-GY器件对NO2气体的浓度检测指标;最后,本文确定了γ-GY气敏器件对NO2气体的工作温度为室温、检测极限约为2 ppm、线性范围为10 ppm~100 ppm、气体选择性良好、具备较为优良的重复性与稳定性。
其他文献
近些年,许多学者研究过伪随机序列的统计性质,并构造出了一些伪随机序列.而在密码学中,往往要求伪随机序列的短子序列也具有较强的伪随机性.为此,Dartyge,Gyarmati和Sarkozy[14]引入二元序列的加权测度.本文研究了伪随机子序列的加权一致分布测度,同时将加权测度引入到多维二元格点,分析了多维二元子格点的伪随机性,并构造出一族伪随机性良好的多维子格点.主要结果如下:第一,利用特征和与指
近年来,信息技术不断发展,存储器成为信息产业的脉搏。而随着存储器尺寸的不断缩小,传统Flash器件遇到了栅极漏电、读写速度慢等问题,使得存储器技术的发展遇到阻碍。此时,非挥发性阻变存储器(Resistive Random Access Memory,RRAM)由于其制备工艺简单、存储密度高、读入和擦除速度快、能与CMOS工艺兼容等优势,受到人们的极大关注。在众多的阻变材料中,ZnO材料有着原料充足
随着教育大数据的不断发展,越来越多的研究者投入到这一研究领域。成绩预测作为该领域的一个重要分支,成为了研究者们关注的热点。本文主要从学生的在校数据提取特征,建立成绩预测模型,并在此基础上设计实现成绩预警系统,用来帮助辅导员更好的管理学生的学习,帮助学生顺利完成学业。具体的工作内容如下所述:(1)本文通过ETL工具采集学生一卡通消费数据,图书馆门禁数据,图书馆借阅数据,校园网日志数据,从这些数据中提
二次剩余与二次非剩余,其分布具有良好的性质,因此在密码学中有着重要的用途.著名的Rabin公钥密码体制与Goldwasser-Micali概率公钥密码体制,都是建立在二次剩余与二次非剩余的伪随机性质之上.形如a+r的整数构成的集合,其中a是任意整数,r是二次剩余,在构建密码体制中起到了重要的作用.Perron首次研究了在素数模下a+r的整数构成的集合中二次剩余、二次非剩余的分布情况,但是二次剩余在
随着航空航天技术的飞速发展,飞机、导弹等带有复杂运动特性的目标大量涌现。此类目标因速度快、雷达横截面积(Radar Cross Section,RCS)小、回波信号较弱而难以探测。长时间相参积累可有效提高雷达目标检测性能,然而目标运动引起的距离徙动(Range Migration,RM)和多普勒频率徙动(Doppler Frequency Migration,DFM)会影响相参积累效果并降低目标运
随着睡眠紊乱问题的日益严重,睡眠检测设备和自动睡眠分阶技术得到了快速地发展。脑电信号包含大量的生理学信息,已经作为自动睡眠分阶的重要依据。同时,深度学习技术的发展也为睡眠波特征学习、睡眠自动分阶应用提供了重要的技术支撑。然而,脑电信号受周围环境影响包含大量噪声,脑电信号采集仪器的差异性导致数据没有统一的标准。这对脑电数据的智能化分析造成很大的干扰;此外,由于目前深度学习的可解释性较弱,单一特征学习
随着通信技术中对通信容量和高速数据处理需求的不断增长,传统的电子有线通信已经被光纤通信所取代。目前,在信号传输方面光纤通信已成功实现全光化。但是,光信号与电信号的转换还是要靠电子学的方法,这大大地限制了光通信速率。全光调制有望突破“电子瓶颈”,成为当前信息技术中的热门领域。三阶非线性光学材料是全光调制的必备介质,其性能很大程度上决定着全光调制的交换速率、能耗等。理论研究表明,二维金属有机框架(Me
随着无线通信设备的普及,无线通信应用在越来越多的领域中,人们对无线通信的传输速率、传输稳定性、信号传输时延的要求也随之提高,未来物联网领域中也会应用到大量的无线通信技术。现行的5G标准提出了许多移动通信新技术,如大规模多输入多输出(Multiple Input Multiple Output,MIMO)、非正交多址接入、全双工、毫米波传输、端到端通信技术等。其中,毫米波传输技术能够有效缓解无线电波
新应用、新服务呈指数型的增长,计算模式逐渐由云计算转变为边缘计算,将任务迁移至靠近用户端的边缘服务器可以满足移动计算的需求,但任务迁移依赖的网络环境直接影响任务迁移的性能。当今3G、4G、5G和Wi-Fi等网络相互覆盖,异构无线网络成为趋势,使得任务迁移的路径选择和多路径传输成为可能。任务迁移研究中,网络路径的选择对任务时延和终端的能耗有较大的影响。而现有路径选择研究多集中在网络状态本身,而忽略了
作为阵列信号处理中的关键研究课题,波达方向估计在军事和民用领域备受关注,包括导航、声呐、气象观测和雷达目标检测等方面。经典Capon方法通过均匀搜索获取目标的谱峰信息,计算量庞大。后来发展的著名MUSIC高分辨子空间方法,虽然估计精度得到了提高,但仍然是基于谱峰穷尽搜索估计目标方向。同时,MUSIC方法引入特征分解,进一步提升了计算量。要使搜索类方法得到现实应用,降低计算复杂度是提升硬件系统实时性