电催化CO_(2)还原反应(Electrocatalytic CO_(2)reduction reaction, CO_(2)RR)在解决全球变暖和能源危机方面有着巨大的应用潜力,但目前催化效率低、催化产物多样等问题限制了CO_(2)RR反应的商业化应用。采用一锅法、碳化法制备了一系...电催化CO_(2)还原反应(Electrocatalytic CO_(2)reduction reaction, CO_(2)RR)在解决全球变暖和能源危机方面有着巨大的应用潜力,但目前催化效率低、催化产物多样等问题限制了CO_(2)RR反应的商业化应用。采用一锅法、碳化法制备了一系列不同镍含量的镍单原子催化剂,利用XRD、XPS、ICP-OES、HRTEM、HAADF-STEM、XAS等方法对镍单原子催化剂的形貌结构、原子价态、金属含量等方面进行表征,并通过电催化还原产物的法拉第效率(Faraday efficiency, FE)和电流密度(Current density,J)来评价其电催化性能。此外,还研究了电解实验装置的改变对升电催化性能的提升。实验结果表明,随着Ni单原子催化剂的Ni金属负载量增加,产物CO的FECO和JCO均增加。催化剂中Zn1Ni2-CN表现出了优异的CO_(2)RR催化性能,在H型电解池中,在-0.7 V vs. RHE电位下FECO达到89%,在-0.9 V vs. RHE下JCO达到6.99 mA·cm^(-2)。在流动电解池中,大范围电位变化下(-0.4~-1.2 V vs. RHE)FECO均保持在99%以上,且在-1.2 V vs. RHE电位下产物电流密度JCO达到174.5 mA·cm^(-2)。展开更多
在移动机器人路径规划中需要考虑距离约束和时间约束,同时,为了使机器人在能量补给不足的情况下更高效地执行更多的任务,降低运动过程中的能耗变得尤为重要。兼顾考虑机器人对降低能耗和路径规划效率两方面的需求,本文提出了一种基于改...在移动机器人路径规划中需要考虑距离约束和时间约束,同时,为了使机器人在能量补给不足的情况下更高效地执行更多的任务,降低运动过程中的能耗变得尤为重要。兼顾考虑机器人对降低能耗和路径规划效率两方面的需求,本文提出了一种基于改进AD*(Anytime dynamic A*)算法的移动机器人低能耗最优路径规划方法。首先,通过构建机器人动力学模型及其在运动过程中的能耗模型,实现对路径的能耗计算。结合机器人运动学模型,采用基于采样的模型预测算法(Sample based model predictive optimization,SBMPO)生成优化轨迹簇。然后,改进AD*算法,将距离成本和能耗成本融入搜索节点的评估函数,根据轨迹簇中的节点连接关系和环境地图进行在线规划,以获得能耗最优的路径。最后,通过设计仿真测试场景,将所提出的能耗最优路径规划方法与距离最优规划方法进行规划结果对比,验证了算法的有效性。展开更多
文摘电催化CO_(2)还原反应(Electrocatalytic CO_(2)reduction reaction, CO_(2)RR)在解决全球变暖和能源危机方面有着巨大的应用潜力,但目前催化效率低、催化产物多样等问题限制了CO_(2)RR反应的商业化应用。采用一锅法、碳化法制备了一系列不同镍含量的镍单原子催化剂,利用XRD、XPS、ICP-OES、HRTEM、HAADF-STEM、XAS等方法对镍单原子催化剂的形貌结构、原子价态、金属含量等方面进行表征,并通过电催化还原产物的法拉第效率(Faraday efficiency, FE)和电流密度(Current density,J)来评价其电催化性能。此外,还研究了电解实验装置的改变对升电催化性能的提升。实验结果表明,随着Ni单原子催化剂的Ni金属负载量增加,产物CO的FECO和JCO均增加。催化剂中Zn1Ni2-CN表现出了优异的CO_(2)RR催化性能,在H型电解池中,在-0.7 V vs. RHE电位下FECO达到89%,在-0.9 V vs. RHE下JCO达到6.99 mA·cm^(-2)。在流动电解池中,大范围电位变化下(-0.4~-1.2 V vs. RHE)FECO均保持在99%以上,且在-1.2 V vs. RHE电位下产物电流密度JCO达到174.5 mA·cm^(-2)。
文摘在移动机器人路径规划中需要考虑距离约束和时间约束,同时,为了使机器人在能量补给不足的情况下更高效地执行更多的任务,降低运动过程中的能耗变得尤为重要。兼顾考虑机器人对降低能耗和路径规划效率两方面的需求,本文提出了一种基于改进AD*(Anytime dynamic A*)算法的移动机器人低能耗最优路径规划方法。首先,通过构建机器人动力学模型及其在运动过程中的能耗模型,实现对路径的能耗计算。结合机器人运动学模型,采用基于采样的模型预测算法(Sample based model predictive optimization,SBMPO)生成优化轨迹簇。然后,改进AD*算法,将距离成本和能耗成本融入搜索节点的评估函数,根据轨迹簇中的节点连接关系和环境地图进行在线规划,以获得能耗最优的路径。最后,通过设计仿真测试场景,将所提出的能耗最优路径规划方法与距离最优规划方法进行规划结果对比,验证了算法的有效性。
