Evaluating performance of malva sylvestris leaf extract for protection of mild steel against corrosion in acidic solution
محل انتشار: نشریه آسیایی شیمی سبز، دوره: 5، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 238
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AJGC-5-1_004
تاریخ نمایه سازی: 22 دی 1399
چکیده مقاله:
In this study, Malva sylvestris (M. sylvestris) leaf extract was evaluated for the protection surface of the mild steel in 2.0 M HCl solution. For this purpose, the classical method of weight loss and electrochemical methods potentiodynamic polarization and electrochemical impedance spectroscopy (EIS) were used in the first step to assess the performance of the extract. The results showed that, by changing the concentration of the extract from 0.25 g/L to 2.0 g/L in 2.0 M HCl solution, percent inhibition increased from 47% to 93% (for the concentration of 2.0 g/L). In addition, no significant change in the percentage of inhibition was observed as the concentration of the extract exceeded 2.0 g/L. The effect of the temperature on the behavior of the extract, for concentrations of 0.25, 0.5, 1.0, 1.5, and 2.0 g/L, at 35, 45, 55, and, 65 °C, were also investigated using polarization method. The percentage of inhibition and coverage were calculated to obtaining the kinetic parameters. The results revealed that, the absorption of molecules of the extract on the surface of the steel obeyed from the Langmuir adsorption isotherm and it was a physical adsorption type.
کلیدواژه ها:
Green corrosion inhibitor ، Malva Sylvestris leaf extract ، Electrochemical impedance spectroscopy Potentiodynamic polarization
نویسندگان
Nasrin Soltani
Department of Chemistry, Payame Noor University, P.O. Box ۱۹۳۹۵-۳۶۹۷, Tehran, Iran
Maryam Khayatkashani
Research and Development department, Talae Sabz Tuba Pharmaceutical, Tehran, Iran
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 :