《Polymers》：Multiscale Molecular Orientation in Polyacrylonitrile Precursors for Carbon Fibers: Processing Regulation, Characterization Methodologies, and Structure–Property Correlations
编辑推荐：
聚丙烯腈（PAN）前驱体纤维是制造高性能碳纤维的主要原料，前驱体加工过程中建立的多尺度分子取向从根本上决定了最终产品的拉伸强度和弹性模量。然而，在纺丝、热拉伸和热处理阶段对多尺度取向结构的精确调控，仍是突破碳纤维性能天花板的一个长期瓶颈。本综述系统地阐明了四个
聚丙烯腈（PAN）前驱体纤维是制造高性能碳纤维的主要原料，前驱体加工过程中建立的多尺度分子取向从根本上决定了最终产品的拉伸强度和弹性模量。然而，在纺丝、热拉伸和热处理阶段对多尺度取向结构的精确调控，仍是突破碳纤维性能天花板的一个长期瓶颈。本综述系统地阐明了四个层次（分子链、晶区、微原纤和纤维集合体）上取向结构的形成与演化机制。比较分析了三种主流纺丝路线（常规湿法纺丝、干喷湿纺和静电纺丝）中的流动诱导取向行为，随后讨论了热拉伸过程中结晶驱动的取向以及预氧化和碳化过程中的取向继承。已报道的PAN前驱体数据集提供的定量证据证实，将取向因子从0.7提高到0.9，相应碳纤维的拉伸强度从约2.4 GPa增至4.7 GPa，模量从230 GPa增至550 GPa，这说明了在特定材料体系内取向-性能关系的量级。研究人员对广泛使用的表征技术（包括X射线散射、偏振光谱、光学双折射和电子显微镜）进行了批判性评述，特别关注了它们的空间分辨率、适用场景和固有局限性，并提出了用于多尺度取向分析的组合表征策略。指出了关键瓶颈，包括跨尺度建模缺口、多场耦合下的动态取向动力学以及工业可扩展性限制，并概述了未来研究方向，如原位同步辐射表征和机器学习辅助工艺优化。本综述建立了从分子水平取向控制到宏观碳纤维性能的系统框架，为高性能PAN前驱体的合理设计提供了理论指导。
2. 制备工艺与取向结构演化
2.1 化学结构与纺丝技术
2.1.1 共聚物组成
PAN通过丙烯腈自由基聚合而成，其重复单元中的氰基（-C≡N）在热处理时发生分子内环化形成梯形结构。均聚PAN由于强偶极相互作用导致纺丝液粘度高、可纺性差，因此工业上引入衣康酸、丙烯酸甲酯等共聚单体。优化配比（如AN:MA:IA=96:3:3）可改善可纺性和预氧化动力学，所得碳纤维拉伸强度为3.8±0.4 GPa，弹性模量为257.5±7.5 GPa。
2.1.2 纺丝技术比较
四种纺丝技术各有特点：湿法纺丝通过凝固浴中的双扩散实现相分离；干喷湿纺在空气间隙中引入单轴拉伸；干纺依靠溶剂蒸发；静电纺利用电场驱动射流伸长。不同技术产生不同的初始取向状态，决定了最终碳纤维的性能上限。
2.2 取向的定义与形成机理
2.2.1 多尺度取向层级
取向结构涵盖四个层级：分子链取向（0.1–10 nm），由流动应力驱动无规线团向伸展链转变；晶区取向（10–100 nm），通过链折叠和堆积形成，与模量直接相关；片层和微原纤取向（100 nm–1 μm），由结晶区和无定形区交替排列构成，其轴向排列影响应力传递；纤维束宏观取向（1 μm–1 mm），由纺丝组件和卷绕控制，皮芯结构导致径向梯度。
2.2.2 纺丝过程中的流场诱导取向
湿纺中，剪切流和拉伸流共同作用。提高剪切速率可增加结晶度，但过高则破坏取向。凝固浴温度和溶剂浓度影响皮芯梯度。干喷湿纺的空气间隙提供了串联的剪切、拉伸和凝固三个阶段，使取向更均匀，皮芯差异小。静电纺通过高电压下的射流伸长和溶剂蒸发实现高取向，取向因子可达50%，但纤维直径小，强度无法与连续丝束相比。
2.2.3 热拉伸中的结晶驱动取向
热拉伸在高于玻璃化转变温度（T
g）下进行，外加应力促使链段从无规线团向有序排列转变，结晶成核和生长被应力加速。拉伸温度、速率和倍率影响晶体尺寸和取向度。低拉伸速率下链解缠和重排占主导，高拉伸速率则产生细小晶体。
2.2.4 预氧化和碳化中的取向继承
预氧化（200–300 °C，空气）中，氰基环化形成梯形结构，并伴随热收缩。在T
g以下取向被机械固定；在T
g以上但环化程度尚低时，链段可能弛豫，施加张力可抑制。当环化度达40–60%后，交联网络固化，取向被永久保留。碳化（800–1500 °C）中，取向的骨架引导石墨微晶沿轴向排列，微孔沿轴向拉长。张力在整个热处理过程中都很关键。
2.3 取向与性能的结构-性能关系
2.3.1 力学性能
取向因子从0.7提高到0.9，碳纤维拉伸强度从2.4 GPa增至4.7 GPa，模量从230 GPa增至550 GPa（石墨化后）。前驱体取向因子从81.6%升至90%时，拉伸强度从2.4 cN/dtex增至6.2 cN/dtex。模量的提高来自石墨微晶的定向排列和无定形区链移动受限。
2.3.2 热学性能
高取向度限制链段运动，提高玻璃化转变温度，降低热收缩，并产生各向异性热导率。
2.3.3 化学稳定性
取向增加使链堆积致密，减少试剂扩散路径，提高耐酸、碱和氧化性。
2.3.4 吸湿性
高取向减少空隙和内部通道，降低吸湿量。
2.3.5 电学性能
取向改善电荷传输，碳化后形成连续石墨网络，电导率增加，并增强压电响应。
2.3.6 光学性能
取向增加降低光散射，提高透光率和光泽度，并增强紫外屏蔽。
2.3.7 定量设计目标
高强度前驱体要求f
c > 0.85，结晶度40–55%，皮芯取向差<0.05，微孔长径比8–20；高模量要求f
c > 0.90。结晶度过高或取向因子过低则对性能不利。
3. 取向结构的表征方法
3.1 X射线散射技术
3.1.1 广角X射线衍射（WAXD）
WAXD利用PAN的(100)赤道反射（2θ≈17°）的方位角展宽计算结晶取向因子f
c = (180° ? H)/180°。该方法反映准晶区取向，被广泛用于定量表征。
3.1.2 小角X射线散射（SAXS）
SAXS探测1–100 nm尺度的微孔和微原纤取向。通过Ruland模型得到平均取向角B
eq、微孔长度L、长径比L/L
p等参数。研究表明，高倍拉伸前驱体的初始微孔取向更好，但预氧化后可能因缺陷而部分丢失。
3.2 光谱技术
3.2.1 偏振傅里叶变换红外光谱（FTIR）
利用氰基伸缩振动（2240 cm
?1）的红外二色性计算取向因子。该技术主要用于无定形区链取向，但空间分辨率约5–10 μm。
3.2.2 偏振拉曼光谱
拉曼光谱对C≡N和C-C振动敏感，具有亚微米分辨率，可探测单根纤维内皮肤与核心的取向差异。取向因子根据偏振强度比计算。
3.3 光学双折射
双折射测量轴向与径向折射率差，使用Senarmont补偿法。其响应快、成本低，适合在线监测，但无法区分晶区和非晶区贡献。
3.4 显微镜成像
3.4.1 三维结构成像（XCT）
X射线计算机断层扫描可三维再现纤维束内的取向分布，但需要亚微米体素才能分辨单丝。
3.4.2 介观结构成像（SEM）
SEM观察微原纤排列，湿拉伸阶段微原纤从不规则逐步轴向排列。
3.4.3 晶体学取向成像（TEM/SAED）
TEM结合SAED可测量取向角分布，发现T700纤维存在皮芯取向差异，T1000则较均匀。
3.4.4 纳米尺度成像（AFM/STM）
AFM研究PAN凝胶拉伸后的微原纤网络取向；STM观察碳纤维表面介观结构。
3.5 原位表征技术
3.5.1 原位X射线散射
同步辐射WAXD/SAXS可实时追踪预氧化和石墨化中的取向演变，观察到微孔取向度随温度升高而增大。
3.5.2 原位光谱
偏振红外原位实验表明，预氧化过程中取向因子随温度升高而下降，但环化后趋于稳定。
3.5.3 原位力学-结构耦合
高温拉伸台与同步辐射联用，可同时施加应力和温度，观察到取向度随温度升高的变化，并显示前驱体类型的影响。
3.6 表征技术的比较与组合运用
3.6.1 技术性能指标
WAXD的取向因子不确定度小于±0.02，FTIR适合无定形区，双折射适合工业在线监测，SEM/TEM提供形貌证据。
3.6.2 优势与局限性
X射线需要同步辐射光源，FTIR分辨率有限，双折射有应力干扰，电镜需要真空。原位方法能揭示动力学，但存在高温干扰。
3.6.3 组合策略与目标导向选择
WAXD+FTIR可互补晶区和无定形区取向；双折射+SEM可关联宏观均匀性与微原纤排列。具体选择取决于研究目标。
4. 挑战与理论局限
4.1 基础问题
4.1.1 跨尺度集成缺口
分子动力学模拟只适用于纳米尺度，连续介质模型忽略共聚单体影响，有限元分析难以连接流场与强度。
4.1.2 动态取向演化描述不完整
传统表征只能提供静态快照，无法捕捉预氧化中交联与解缠的竞争。
4.1.3 多场耦合机制未解决
温度-应力协同下的结晶取向演化缺乏定量模型，微裂纹形核位点与取向缺陷的关系尚不清楚。
4.2 工业适用性瓶颈
同步辐射时间分辨率为毫秒，不足以分辨微秒级链动力学；空间分辨率无法区分单丝内的径向梯度。大型丝束的在线监测仍依赖离线取样。
4.3 协同取向控制的机理瓶颈
高拉伸倍率提升取向但增加缺陷，高温加速环化但可能破坏晶区。目前依赖经验调节，缺乏集成模型。
5. 未来研究方向
5.1 多场耦合取向控制策略
5.1.1 电场辅助取向增强
外加电场可诱导氰基偶极矩定向排列，提高取向度。
5.1.2 微流控流场工程
非对称微流控纺丝可在凝固前引入可控扭转，但应用于PAN仍需验证。
5.1.3 热-流耦合场匹配
调节凝固浴温度与拉伸比可同步优化相分离和链松弛。
5.1.4 磁场诱导晶体取向
磁场对环化后的梯形结构有效，最佳应用在稳定化后期。
5.2 机器学习加速工艺优化与缺陷预测
5.2.1 已验证的应用
机器学习已用于预测力学性能（误差<10%）、SEM缺陷分类（准确率>90%）和优化稳定化温度曲线（减少实验次数）。遗传算法和神经网络势函数也有进展。
5.2.2 未来方向
实时闭环控制、数字孪生和逆设计仍处于概念阶段。数据稀缺、异质性和可解释性制约应用。
6. 结论与展望
6.1 核心机制与性能提升途径
6.1.1 取向有序是性能基础
取向度通过影响晶体尺寸和无定形区有序度，决定力学、热学、电学等性能，但需与其他结构参数协同优化。
6.1.2 多技术协同控制
纺丝、热拉伸和纳米填料改性等组合策略可提升取向度并开发多功能纤维。
6.2 未来展望
未来需要非平衡态动力学、跨尺度桥接模型、多场工艺窗口以及标准化数据集。
