سنتز پیش ماده هیدروکسیدی Ni۰.۸Mn۰.۱Co۰.۱(OH)۲ و مدل سازی اثر pH بر سرعت جوانه زنی ذرات
Publish place: Advanced materials and technologies، Vol: 12، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 66
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMI-12-2_006
تاریخ نمایه سازی: 13 آبان 1402
Abstract:
مواد کاتدی اکسیدی لایه ای غنی از نیکل LiNi۰.۸Co۰.۱Mn۰.۱O۲ (NCM) به دلیل چگالی انرژی و ظرفیت بالا به طور فزاینده ای در صنعت خودروهای الکتریکی مورد توجه قرار دارند. با وجود این، با افزایش مقدار نیکل، واکنش شیمیایی لایه سطحی و اختلاط کاتیونی Li+/Ni۲+افزایش و پایداری ساختاری و حرارتی ماده کاتدی کاهش می یابد. راهبرد تک کریستالیزاسیون ذرات می تواند پایداری ساختاری و عملکرد الکتروشیمیایی مواد کاتدی را بهبود بخشد، ولی سازوکار آن کاملا شناخته شده نیست. در این پژوهش، با ارائه مدلی محاسباتی، نشان می دهیم که سرعت جوانه زنی ذرات هیدروکسیدی با کاهش pH و کنترل نسبت فوق اشباع کاهش می یابد و درنتیجه تعداد جوانه های تشکیل شده کم می شود. براساس نتایج این مدل، تعداد جوانه های هیدروکسیدی تشکیل شده در پایان سنتز هم رسوبی در pH ۵/۱۱، ۱۱ و۵/۱۰ به ترتیب ۷۳/۵، ۳/۴ و ۲۷/۲ برابر تعداد جوانه های تشکیل شده در سنتز هم رسوبی در pH ۱۰ است. لذا، با کاهش مقدار pH در حین فرایند سنتز از ۵/۱۱ به ۱۰، به ریزذرات تولیدشده در سیستم اجازه داده می شود تا به طور کامل به کریستال های بزرگ تر تبدیل شوند و به سمت تک کریستال شدن تمایل یابند و مشکلات فصل مشترک کاتد/الکترولیت در آن ها کاهش یابد. نتایج حاصل از این مدل می تواند نتایج تجربی پژوهش هایی را که مواد کاتدی تک کریستال سنتز کرده اند توجیه کند.
Keywords:
Authors
سولماز امیرشکاری
دانشجوی دکتری، پژوهشکده فناوری نانو و مواد پیشرفته، پژوهشگاه مواد و انرژی، کرچ، ایران
رضا ریاحی فر
استادیار، پژوهشکده فناوری نانو و مواد پیشرفته، پژوهشگاه مواد و انرژی، کرج، ایران
بابک رئیسی دهکردی
دانشیار، پژوهشکده فناوری نانو و مواد پیشرفته، پژوهشگاه مواد و انرژی، کرج، ایران
مازیار صهبا یغمایی
استادیار، پژوهشکده فناوری نانو و مواد پیشرفته، پژوهشگاه مواد و انرژی، کرج، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :