Self-healing characteristics of praseodymium conversion coating on Magnesium studied using Scanning Electrochemical Microscopy
محل انتشار: ششمین کنگره بین المللی رنگ و پوشش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 386
متن کامل این مقاله 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 مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCC06_197
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
Application of rare earth conversion coatings as a surface treatment for magnesium has been subject of several studies revealing its potential as an effective passivating layer. This paper presents a study on a rare earth conversion layer based on Pr(NO3)3 as surface treatment for AZ80X magnesium alloy in simulated biological (buffered) solution. Scanning electrochemical microscope (SECM) was used to investigate protective properties and degradation behaviour of Pr conversion layer with a local approach. Self-healing properties of the conversion layer in presence of Pr3+ was also studied using SECM. Results revealed the self-healing characteristic of Pr conversion film in presence of active, Pr3+, species. Pr conversion layer improved corrosion resistance in the short term by producing an electrochemically inert and insulating layer. SECM results in potentiometric mode elucidated the role of near surface pH in the formation of conversion coating.
کلیدواژه ها:
Scanning electrochemical microscopy – magnesium – praseodymium oxide – conversion coating - self-healing
نویسندگان
Sina S Jamali
ARC Research Hub for Australian Steel Manufacturing, Faculty of Engineering & Information Sciences, University of Wollongong, Northfields Avenue, Wollongong, NSW 2522 Australia, Tel: +61 426 736 630
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :