论文目录 | |
摘要 | 第1-5页 |
abstract | 第5-10页 |
第1章 绪论 | 第10-22页 |
1.1 课题背景及研究意义 | 第10-12页 |
1.1.1 课题来源 | 第10页 |
1.1.2 课题背景 | 第10-12页 |
1.1.3 课题研究目的与意义 | 第12页 |
1.2 国内外研究现状及发展 | 第12-20页 |
1.2.1 火电厂烟气排放组分气体检测技术现状 | 第12-13页 |
1.2.2 基于石墨烯及其衍生物的气敏器件现状 | 第13-18页 |
1.2.3 气敏阵列智能检测技术研究现状与发展 | 第18-20页 |
1.3 论文主要研究内容 | 第20-22页 |
第2章 火电厂烟气检测气敏薄膜传感器制备及表征 | 第22-36页 |
2.1 气敏传感器件结构设计与制备 | 第22-23页 |
2.2 试剂与仪器 | 第23-24页 |
2.3 水热法制备薄膜传感器件 | 第24-25页 |
2.3.1 水热法制备技术及特点 | 第24页 |
2.3.2 水热法合成纳米MO_x及薄膜构筑 | 第24-25页 |
2.4 层层自组装制备薄膜传感器件 | 第25-28页 |
2.4.1 层层自组装技术及特点 | 第25-26页 |
2.4.2 层层自组装薄膜型气敏传感器件 | 第26-28页 |
2.5 热还原氧化石墨烯薄膜 | 第28-29页 |
2.6 气敏样品薄膜材料表征 | 第29-35页 |
2.6.1 SEM表征 | 第29-32页 |
2.6.2 XRD表征 | 第32-34页 |
2.6.3 拉曼光谱表征 | 第34-35页 |
2.7 本章小结 | 第35-36页 |
第3章 石墨烯气敏传感器件对火电厂烟气的气敏特性 | 第36-52页 |
3.1 气敏测试环境的搭建 | 第36-37页 |
3.2 基于水热法的SnO_2/rGO薄膜NO_2传感器气敏特性 | 第37-41页 |
3.2.1 SnO_2/rGO薄膜传感器对NO_2的响应特性 | 第37-39页 |
3.2.2 SnO_2/rGO薄膜传感器对NO_2的敏感性分析 | 第39-41页 |
3.3 基于自组装的TiO_2/rGO薄膜SO_2传感器气敏特性 | 第41-44页 |
3.3.1 TiO_2/rGO薄膜传感器对SO_2的响应特性 | 第41-43页 |
3.3.2 TiO_2/rGO薄膜传感器对SO_2的敏感性分析 | 第43-44页 |
3.4 基于自组装的CuO/rGO薄膜CO传感器气敏特性 | 第44-47页 |
3.4.1 CuO/rGO薄膜传感器对CO的响应特性 | 第44-47页 |
3.4.2 CuO/rGO薄膜传感器对CO的敏感性分析 | 第47页 |
3.5 基于自组装的ZnO/r GO薄膜气敏响应特性 | 第47-49页 |
3.6 MO_x/rGO薄膜敏感机理揭示 | 第49-51页 |
3.7 本章小结 | 第51-52页 |
第4章 基于石墨烯传感阵列的火电厂烟气组分气体响应分析 | 第52-70页 |
4.1 传感阵列器件选择和组成 | 第52页 |
4.2 多组分测试室平台搭建 | 第52-53页 |
4.3 传感阵列对烟气组分响应 | 第53-58页 |
4.3.1 单组分气体响应 | 第53-55页 |
4.3.2 两组分气体响应 | 第55-57页 |
4.3.3 三组分气体响应 | 第57-58页 |
4.4 传感阵列对烟气组分响应分析 | 第58-69页 |
4.4.1 单组分响应数据分析 | 第58-61页 |
4.4.2 两组分响应数据分析 | 第61-68页 |
4.4.3 三组分响应数据分析 | 第68-69页 |
4.5 本章小结 | 第69-70页 |
第5章 基于石墨烯气敏传感阵列的火电厂烟气组分预测模型 | 第70-83页 |
5.1 问题提出 | 第70-71页 |
5.2 人工神经网络 | 第71-72页 |
5.3 支持向量机 | 第72-73页 |
5.4 火电厂烟气排放组分预测模型 | 第73-82页 |
5.4.1 基于BP神经网络模型的火电厂烟气组分预测 | 第73-77页 |
5.4.2 基于LS-SVM模型的火电厂烟气组分预测 | 第77-79页 |
5.4.3 基于RBF神经网络模型的火电厂烟气组分预测 | 第79-82页 |
5.4.4 火电厂烟气排放组分预测模型对比分析 | 第82页 |
5.5 本章小结 | 第82-83页 |
第6章 总结与展望 | 第83-85页 |
6.1 全文工作总结 | 第83-84页 |
6.2 论文创新与展望 | 第84-85页 |
参考文献 | 第85-92页 |
攻读硕士学位期间取得的学术成果 | 第92-94页 |
致谢 | 第94页 |