Se estudió el efecto de las nanofibras de carbono (CNF) y los nanotubos de carbono (CNT) en la estabilidad térmica y química del polipropileno (PP) cuando se somete a oxidación en un medio ácido fuerte. También se estudió el efecto de los CNF y los CNT sobre la morfología cristalina y las temperaturas de fusión y cristalización. La estabilidad térmica aumentó notablemente; la temperatura de descomposición, por ejemplo, pasó de 293∘C para el PP puro a 312 y 320∘C para el PP con CNFs y CNTs, respectivamente. La temperatura de cristalización aumentó perceptiblemente con la adición de CNT o CNF, de 107∘C para el PP puro a 112 y 114∘C para el PP con CNF y CNT, respectivamente. La degradación oxidativa con ácido nítrico produjo una reducción del peso molecular; sin embargo, este efecto negativo fue menos pronunciado en las composiciones de PP con nanopartículas de carbono. Tras 8 horas en ácido nítrico, esta reducción fue de 141.000 a 68.000 (para el PP puro), a 75.000 (para el PP-CNFs), y a 79.500 (para el PP-CNTs). La difracción de rayos X mostró que la cristalinidad de tipo alfa se mantiene, independientemente del agente nucleante. Por último, la relación de intensidad entre las reflexiones (040) (a 16,7∘) y (110) (a 13,9∘) aumentó, lo que se tomó como indicio de un aumento de la eficacia nucleante.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Preparación y propiedades biológicas del copolímero PLA-TPGS cargado con complejo de platino(II)
Artículo:
Cuando la Intervención se Encuentra con la Organización, un Estudio Cualitativo sobre la Motivación y las Barreras para Hacer Ejercicio Físico en el Lugar de Trabajo
Artículo:
Adherencia a la terapia farmacológica en pacientes diabéticos y el grado de conocimiento sobre la enfermedad
Artículo:
Cartografía de orientación de compuestos poliméricos extruidos mediante espectroscopia Micro-Raman polarizada
Artículo:
Investigación sobre la clasificación de imágenes de rocas de grano fino basada en el aprendizaje profundo