Σκοπός της παρούσας εργασίας ειδίκευσης ήταν η παρασκευή νανοσύνθετων υλικών οργανικής μήτρας, καθώς και η θεωρητική πρόβλεψη της θερμικής τους αγωγιμότητας. Στα πλαίσια της εργασίας πραγματοποιήθηκε η παρασκευή σύνθετων πολυμερικών υλικών εποξειδικής μήτρας, ενισχυμένων με δύο είδη νανοσωματιδίων ίδιας φύσης και διαφορετικής δομής (πολυφλοιϊκοί νανοσωλήνες άνθρακα - MWCNTs και πολυστρωματικά γραφένια - GNPs) καθώς και ένα τρίτο είδος νανοσωματιδίων διαφορετικής φύσης (νανοκαρβίδιο του πυριτίου - NanoSiC). Επίσης, πραγματοποιήθηκε η παρασκευή ινωδών σύνθετων υλικών (CFRP μονής διεύθυνσης και διάταξης [0]16) ενισχυμένων με δύο είδη νανοσωματιδίων (GNPs και MWCNTs). Για την παρασκευή των δοκιµίων εφαρμόστηκε η μέθοδος του «masterbatch», σύμφωνα με την οποία παρασκευάζεται ένα μίγμα εποξειδικής ρητίνης και νανοσωματιδίων, υψηλής κατά βάρος περιεκτικότητας, που αναδεύεται σε αναµίκτη υψηλών στροφών, υπό συνθήκες κενού, ελεγχόμενης θερµοκρασίας και ταχύτητας ανάµιξης. Από το «masterbatch», προσθέτοντας κάθε φορά, την επιθυμητή ποσότητα ρητίνης προέκυψαν μίγματα διαφόρων κατά βάρος περιεκτικοτήτων (1, 3, 5, 10 και 15% κ.β. σε GNPs - 1 και 3% κ.β. σε MWCNTs - 1, 3, 5 και 10% κ.β. σε NanoSiC). Το τελικό µίγµα εγχύθηκε σε καλούπια σιλικόνης και εισήχθη σε φούρνο, όπου ακολούθησε η διαδικασία πολυµερισµού για 2h σε θερμοκρασία 120°C. Τέλος, παρασκευάστηκαν πολύστρωτες πλάκες [0]16 πολυστρωματικών γραφενίων και πολυφλοιϊκών νανοσωλήνων άνθρακα αντιστοίχων περιεκτικοτήτων. Τα δοκίµια που προέκυψαν από την παραπάνω διαδικασία, χρησιμοποιήθηκαν για το χαρακτηρισμό της θερμικής αγωγιμότητας, με τη βοήθεια του Mathis Tci Analyzer. Από τη μελέτη των πειραματικών αποτελεσμάτων προέκυψε ότι η θερμική αγωγιμότητα των συνθέτων αυξάνεται, αυξανομένης της συγκέντρωσης των νανοεγκλεισμάτων. Επίσης, τα πολυστρωματικά γραφένια αποτελούν τη βέλτιστη ενίσχυση, σε σχέση με τα υπόλοιπα είδη νανοσωματιδίων που χρησιμοποιήθηκαν, για την βελτίωση της θερμικής αγωγιμότητας τόσο των νανοενισχυμένων πολυμερών όσο και των ινωδών συνθέτων, γεγονός το οποίο οφείλεται κυρίως στη δομή και τη γεωμετρία του. Επίσης, πραγματοποιήθηκε εφαρμογή επιλεγμένων θεωρητικών μοντέλων πρόβλεψης της εγκάρσιας θερμικής αγωγιμότητας, προκειμένου να διαπιστωθεί τυχόν σύγκλιση των θεωρητικών τιμών με τις πειραματικές τιμές. Από την μελέτη των θεωρητικών αποτελεσμάτων προέκυψε ότι το μοντέλο Lewis – Nielsen προβλέπει με τον βέλτιστο δυνατό τρόπο τη θερμική αγωγιμότητα των νανοενισχυμένων πολυμερών, ενώ το μοντέλο που ανέπτυξε ο Hashin τη θερμική συμπεριφορά των ινωδών σύνθετων υλικών. / The purpose of the present master thesis was the experimental and modeling study on the through-thickness thermal conductivity of epoxy nanocomposites. The first step was the dispersion of three different nanoparticles (Graphite-Nanoplatelets - GNPs, Multi Walled Carbon Nanotubes – MWCNTs, Nano-Silicon Carbide - NanoSiC) in a high volume fraction mixture, which is called «masterbatch». The manufacturing technique that was applied was mechanical high speed shearing. Then, «masterbatch» was used for the preparation of epoxy polymers of various volume fractions, reinforced with GNPs, MWCNTs and NanoSiC. Silicon molds were used for the fabrication of the polymer specimens. The polymerization profile was consisted of two hours in temperature 120°C. Moreover, two different types of carbon fiber-reinforced nanocomposites (Unidirectional – UD [0]16) were prepared, which were reinforced with GNPs and MWCNTs in corresponding volume fractions to polymers. The through-thickness thermal conductivity characterization was materialized through Mathis Tci Analyzer. Next, multiple theoretical models were evaluated to predict through-thickness thermal conductivity of both composite systems, and then compared to the experimental results. The results showed that high filler volume fractions heighten thermal conductivity. Moreover, Graphite – Nanoplatelet nanoparticles showed greater thermal conductivity than Carbon Nanotubes and Nano-Silicon Carbide, thanks to its structure and morphology. Lewis –Nielsen model was the appropriate one for the prediction of epoxy polymers, reinforced both GNPs and MWCNTs. Hashin model predicted the through thickness thermal conductivity of carbon fiber reinforced nanocomposites, reinforced both GNPs and MWCNTs.