Anticorrosion behavior of Cyclodextrins /Inhibitor Nanocapsule-based Self-healing Coatings
Publish place: دوازدهمین سمینار بین المللی علوم و تکنولوژی پلیمر
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: English
View: 560
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISPST12_043
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
Self-healing anticorrosion property of coating containing cyclodextrins/inhibitor nanocontainers was investigated by SEM, TEM, salt spray and EIS measurements. The influences of cyclodextrin type (α-CD,β-CDandγ-CD) and nanocapsules diameter on the anticorrosive performance of the scratched samples were studied under salt spray condition, which revealed the coatings containing γ-CD/inhibitor nanocontainers with larger nanocapsules at roomtemperature demonstrated the best anticorrosion behavior. Inclusion complex formation of MBI or MBT with CDs led to encapsulated corrosion inhibitors which became active in corrosive electrolytes, and could slowly diffuse out of the host material to ensure continuous delivery of the inhibitors to corrosion sites and long-term corrosion protection. Additionally, the kinetics of self-healing process characterized by EIS measurement was parametrically analyzed in an equivalent circuit when the coating was exposed to salt solution
Keywords:
Self-healing anticorrosion coating-Cyclodextrins- nanocontainers-Sol-gel process- Corrosion inhibitor
Authors
Sahar Amiri
Department of Polymer Engineering, Science and Research Branch, Islamic Azad University,Tehran, Iran
Azam Rahimi
Department of Polymer Science, Facualty of Science, Iran Polymer and Petrochemical Institute Tehran, I.R. Iran
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 :