汽车用粉末(通过研究粉末金属钢的疲劳行为，帮助汽车行业创造新的商机)

文 | 咸鱼永不放盐

编辑 | 咸鱼永不放盐

«——【·前言·】——»

粉末冶金部件设计和性能预测的热力学行为，被认为是对提高效率、质量和降低成本的重要贡献，为汽车行业创造了新的商机。粉末冶金技术正在广泛应用于制造各种复杂形状的工程部件，这些部件通过其他加工方法如铸造或成型很难实现。

孔隙率是粉末冶金部件中的一个重要特征，包括孔隙的大小、形状、分布以及总体孔隙率百分比，研究人员已经观察到，孔隙率对Fe-Cu-C粉末冶金合金的疲劳行为有影响。类似地，在传统铸造的铝合金中，也观察到孔隙率对失效循环次数的影响。

通过减少孔隙率和增加圆形孔的数量，可以实现更均匀的塑性变形，并最终延迟裂纹的形成，对Fe-Mo-Ni钢的研究表明，在孔隙和孔簇在材料的表面，附近通常引发疲劳裂纹，孔隙的大小和孔簇作为应力集中的位置起着重要作用。

当涉及到裂纹的扩展时，研究发现，裂纹的扩展主要是由于裂纹或孤立孔隙之间的连接。类似的研究结果也表明，疲劳裂纹的扩展取决于孔隙之间的距离，距离越长，疲劳寿命越长。

疲劳裂纹的形成主要发生在材料表面或其附近，其中疲劳裂纹形成占总体疲劳寿命的约10%。在高孔隙率的钢中观察到了表面裂纹的连接，而在低孔隙率的钢中则没有这种趋势。

而在高强度低合金粉末冶金钢FL-4405的测试结果显示，与较高孔隙率相比，较低孔隙率会提高抗疲劳性能。研究得出结论，孔隙的大小和总体孔隙率对拉伸应力-应变关系，以及断裂韧性和抗疲劳性能的影响，要大于孔隙形状的变化。

«——【·实验材料与方法·】——»

目前有多种PM材料的疲劳模型开发技术，包括统计方法、神经网络方法、线弹性断裂力学、概率连续损伤方法以及基于塑性的起始建模。这些方法类似于传统金属工艺中使用的疲劳模型。

神经网络方法，通过人工神经网络来研究应力比对疲劳传播的影响。研究人员的模型，考虑了不同的R值，以及与之相关的疲劳裂纹扩展速率、应力强度因子振幅等。

该模型的限制是疲劳裂纹扩展机制不能改变，并且需要大量的疲劳测试来训练和验证模型。LEFM框架是一种用于预测疲劳极限的方法，研究人员基于疲劳裂纹扩展阈值的概念，假设PM高速钢的疲劳失效，是由固有加工缺陷引起的裂纹扩展。

同时研究人员也采用了勒梅特-查博切损伤模型，并将能够捕获内部夹杂物的损伤模型与考虑表面夹杂物的Bussac概率模型相结合。该模型假设所有夹杂物都是球形的，并且均匀分布在构件中。

该模型还假设材料元素的损伤变量等于试样的损伤，初始损伤取决于夹杂物的大小和位置，而LCF寿命取决于初始最大损伤，并且仍需要通过含有内部夹杂物试样的测试数据来验证。

这些疲劳模型的开发使得研究人员，可以更好地理解和预测PM材料在疲劳条件下的行为。但需要进一步的实验验证和研究，才能提高模型的准确性和可靠性。

为此，研究人员在一项关于烧结Fe-0.85Mo-Ni钢的研究中，探讨了烧结密度与材料的疲劳行为，杨氏模量和单调应力-应变行为之间的关系。此次研究中使用了分析模型来分析实验，观测到的材料的杨氏模量随孔隙率增加而降低的现象。

于是为了模拟疲劳行为，研究采用了非线性各向同性/运动学淬火材料的组合模型，并利用光学显微照片获取的二维微结构，作为有限元模拟的基础。通过对钢基体拉伸试验的本构行为外推，假设所有研究中的孔隙率水平的本构行为均为恒定。

很快，研究者们便注意到了一个问题，在二维模型中，孔隙被视为孔洞，而实际上它们被材料基体所包围。模拟结果表明，在低密度下，孔隙更大、更不规则且高度聚集，导致明显的应变集中现象，从而导致过早失效。

当密度增加以降低孔隙率时，观察到球形孔隙分布更均匀，这与经历塑性变形的材料比例较大有关。周期性地，模拟结果显示，塑性变形逐渐在孔隙的角落和高度聚集的孔隙处发展。

需要注意的是，这些疲劳建模技术有一个缺点，它们是针对特定的粉末冶金材料，或特定的疲劳机制进行开发的。目前尚未有文献证明能够同时捕捉，粉末冶金组件成核和生长阶段的综合疲劳模型。

不过，通过对FC-0205 PM钢，在两个孔隙率水平下的疲劳行为进行模型校准，利用定量分析确定了两个孔隙度水平下的孔隙的大小和形状，还对裂纹表面进行了断面分析，以研究疲劳机制与疲劳行为的关系。

为了验证和确认MSF模型，在粉末冶金结构部件中的适用性，需要进行相关和验证实验。在实验中，使用在室温下相对湿度为45-60%的实验室空气，对光滑圆柱疲劳试样进行了单轴疲劳实验。

该实验使用来自魁北克金属粉末的水雾化铁粉Atomet 1001作为基础铁粉，与2 wt-%Cu、0.05 wt-%石墨和平衡铁的标准成分混合，并添加粘合剂，然后进行压制和烧结，得到了烧结密度为6.35 g/cm³和7.05 g/cm³的矩形块。

随后，研究人员采用了88 kN的MTS负载框架进行测试，并使用MTS疲劳额定刀刃轴向引伸计，来测量应变。数据采集系统设置为以对数和线性方式记录负载框架的数据。加载采用应变控制，在完全反向的应变幅值下进行。首先施加拉伸应变幅值，然后施加压缩应变。

低孔隙率试样的应变幅值分别为0.4、0.3、0.2、0.175、0.15和0.1%，而高孔隙率试样的应变幅值分别为0.3、0.2、0.15、0.125和0.1%。在应变幅值大于等于2.0%的条件下测试时，使用15 Hz的频率，对于较低的应变幅值，即使用3 Hz的频率。

蔡司Z1成像仪光学显微镜，可以使用明场反射光技术和具有z堆栈功能，在宏观尺度上对断裂表面进行表征，解决了景深问题。

而卡尔蔡司的SUPRA 40场发射枪扫描电子显微镜，可以使用二次和背散射探测器，进行微观尺度裂缝表面形态的成像分析。

研究人员使用高精度金刚石锯片，将试样沿着周期性变形和失效的方向切割，以便在OM和SEM中进行分析。MSF模型是针对铝合金开发的，后来扩展到镁合金。

由于研究人员讨论的PM合金，具有类似于铸造材料的微观结构和夹杂物/缺陷，所以认为这个建模框架足够通用，可以捕捉不同PM合金的疲劳机制。研究人员对模型进行了两个小修改，以解释弹性模量和空隙聚结的孔隙率退化，因为它与最近邻距离更直接相关。

MSF模型基于微力学模拟和小尺度实验的小裂纹，扩展力学性能。随后它被进一步扩展，以将材料特性和微观结构的关系纳入孵化模型，以增强对微观结构特征的敏感性。在该模型中，高周疲劳和低周疲劳主要由粉末金属内的孔隙率驱动。

在孔隙处，应力场浓度由平均塑性应变水平描述，反映了加载历史。这限制了缺口根部的微塑性，并在HCF过程中孵化，且导致了微结构小裂纹的生长。微结构小裂纹的扩展主要由裂纹尖端开口位移主导，其与裂纹尺寸和应力强度因子的n次方成正比。

根据线弹性断裂力学，长裂纹随着循环次数的增加而扩展，直到材料失效。总疲劳寿命通过对这些连续阶段中经过的周期数，进行累积来建模。通过使用这个建模框架，研究人员能够分析和预测PM合金在疲劳条件下的行为。

«——【·实验结果与讨论·】——»

根据研究中的描述，孵育微缺口尺度裂纹的循环次数，与裂纹的初始长度有关，初始长度约为最大夹杂物直径的一半左右。局部高度集中的微塑性，导致了局部不连续性周围裂纹的孵化，所以该孵化与寿命损伤有关。

这些发现进而实现了改进的棺材-曼森定律，其中延性系数是局部最大塑性剪切应变的函数。研究人员发现了微裂纹扩展到长度为a所需的循环次数，其中，a是MSC的尺寸，即枝晶单元尺寸或晶粒尺寸的非维度因子k的大小。

MSC的增长主要由裂纹尖端的开口位移主导，并与裂纹尺寸成正比。长裂纹的增长，根据LEFM以相关循环次数N的幂指数扩展，孵育寿命则是根据，约束微塑性区与夹杂物颗粒尺寸比的严重程度尺度制定的。

在MSF模型中，总寿命分为三个部分，并通过下图公式表示。该模型结合了微力学有限元分析和损伤起始实验来发展。

通过应变寿命实验，研究人员对两种不同孔隙率水平的试样进行了测试，并记录了不同R比率下的结果。图中展示了应变-寿命行为，其中还包括了不同的R比率。

结果表明，在塑性应变超过0.002 mm/mm之后，两种孔隙率水平下的试样，在普遍存在塑性的情况下显示出明显的差异。

然而，在塑性应变极限以下的测试中，试样的破坏主要是局部循环塑性，两种孔隙率水平之间的区别不太明显。为了确定疲劳裂纹的起源，研究人员对失效试样的断裂表面进行了SEM观察。

金属表面或略低于金属表面的不连续性，可能是疲劳裂纹的起源，其中报告的不连续性包括夹杂物、第二相颗粒、腐蚀坑、晶界、孪生边界、孔隙、空隙和滑带。通过对单调断裂面和疲劳断裂面的分析和比较，研究人员观察到相同的微观结构特征。

而之前被称为"条纹"的特征其实并不是真正的条纹，事实上，放大后的图像揭示了与疲劳条纹类似的微观结构特征，与单调拉伸样品的断裂表面图像相比，这些微观结构特征才更加明显。

对于疲劳断裂面上缺乏清晰简洁的条纹，很难通过分析条纹的模式，来确定裂纹的起源位置。通过内部图像分析软件，对大孔隙和微孔隙的疲劳断裂面，进行了微观结构量化分析。大孔隙的体积分数明显低于微孔隙，说明低孔隙率试样和高孔隙率试样之间存在较大差异。

在两种长度尺度上，初始孔隙率较高的试样，具有较低的平均最近邻距离，孔的中心之间的距离较短，以及较小的平均孔径。可在宏观尺度上，大孔隙的最大NND值较高的试样明显更大，而在微观尺度上则观察到的是相反的趋势。

大孔隙的断裂表面显示初始孔隙率高，最大孔径较大，在初始孔隙率较高的试样中，微孔隙的孔隙间韧带距离较大，MSF模型与高孔隙率，以及低孔隙率试样的应变控制低周疲劳试验结果相符，并通过常数和微观结构特征与实验结果相关。

在裂纹成核、微观结构小裂纹扩展，以及长裂纹扩展等循环次数相关的总疲劳寿命中，研究人员注意到，之前对铸造和锻造铝镁合金的建模主要关注到的是疲劳损伤阶段，而研究表明，这种粉末冶金材料中的疲劳过程，主要由裂纹成核和长裂纹扩展组成。

研究人员还意识到，由于大量的孔隙聚结，裂纹能够迅速的扩展，这种裂纹成核和裂纹聚结的组合类似于许多铸造铝合金中观察到的多位点损伤，通过孔隙度方程和方程中的最近邻距离项，MSF模型可以解决聚集问题。

具有讽刺意味的是，正是孔隙率和最近邻距离，导致了快速小裂纹的增长，从而忽略了该疲劳阶段的循环次数。上下界的相关性，主要是通过孔隙度水平的差异来实现的。随着孔隙率的增加，大孔隙处的局部塑性剪切应变增加。

这种局部塑性应变的增加会缩短孵育寿命，从而减少整体的疲劳失效循环次数。另一个影响疲劳行为差异的次要因素是最近邻距离。当孔隙率增加时，NND自然减小，这会导致裂纹的成核和聚结增加。

«——【·总结·】——»

粉末金属钢的疲劳行为研究是一个重要领域，通过实验和建模相结合可以更好地理解和预测其疲劳性能。实验研究揭示了不同孔隙度水平对疲劳寿命和断裂行为的影响。高孔隙度试样显示出更短的疲劳寿命和明显的塑性变形，而低孔隙度试样的疲劳寿命更长。

当模型与实验结果符合较好时，说明孔隙度和NND是影响粉末金属钢疲劳行为的重要因素，建模结果，还揭示了裂纹成核和聚结的重要性，在高孔隙度试样中更为显著。

通过实验和建模研究，研究人员深入了解了粉末金属钢的疲劳行为，这些研究结果对于优化粉末金属钢的设计和应用具有重要意义，同时也为疲劳行为研究提供了新的思路和方法。

参考文献

1. J. Zhang, L. Tang, and G. Chen. "Fatigue behavior and life prediction of powder metallurgy steel." Materials Science and Engineering: A, vol. 527, no. 3, pp. 762-769, 2010.

2. R. Suresh, A. K. Srivastava, and S. M. Limaye. "Effect of grain size and porosity on fatigue properties of powder metallurgy steels." Materials Science and Engineering: A, vol. 532, pp. 502-512, 2012.

3. H. Kim, S. Lee, and J. Kim. "Fatigue properties of powder metallurgy steel with various sintering conditions." Powder Metallurgy, vol. 58, no. 4, pp. 311-316, 2015.

4. F. Sun, Y. Zhang, and L. Zhang. "Multiscale modeling of fatigue crack propagation in powder metallurgy steels." International Journal of Fatigue, vol. 95, pp. 97-105, 2017.

5. X. Wang, L. Gu, and Y. Li. "Fatigue behavior and microstructural evolution of powder metallurgy steel under cyclic loading." Materials Science and Engineering: A, vol. 749, pp. 121-130, 2019.