具有纳米层状微观结构的冷拔珠光体钢丝的高周疲劳行为及损伤机制

《Materials Science and Engineering: A》：High-cycle fatigue behavior and damage mechanisms of cold-drawn pearlite steel wire with a nanolamellar microstructure

　　摘要
提高金属材料的抗疲劳强度对于减轻疲劳失效对工程结构造成的重大风险至关重要。然而，高强度细钢丝背后的内在疲劳机制尚未得到充分阐明。本研究聚焦于具有纳米层状微观结构的冷拔（CD）珠光体钢丝，这种结构能够适应内部缺陷周围的異質变形。该钢丝具有4133 MPa的超高抗拉强度和4.27 μm的平均夹杂物尺寸，在循环拉-拉载荷（R = 0.1）下达到1900 MPa的疲劳强度。通过断裂分析和多尺度微观结构表征，揭示了一种跨尺度缺陷-微观结构相互作用，将微米级夹杂物引起的異質变形与纳米层状微观结构内的变形适应联系起来。在高循环次数范围内，疲劳裂纹优先在内部非金属夹杂物处起始，而周围的纳米层状微观结构则适应并空间重新分布夹杂物引起的異質变形。前置电子衍射（PED）、几何必要位错（GND）和几何相位分析（GPA）分析显示，在夹杂物附近存在明显的变形和晶格应变梯度，这些梯度随着距离疲劳源的增加而逐渐减弱。进一步的电子能量损失光谱（EELS）表征还揭示了高度变形区域中与渗碳体演化相关的局部碳溶解现象。这些观察结果表明，高强度纳米层状微观结构为变形适应提供了主要框架，并伴有与变形相关的渗碳体演化。这些发现阐明了CD珠光体钢丝中疲劳裂纹起始的独特局部微观结构响应过程。

引言
长期以来，抗拉强度的持续提高被视为改善金属材料疲劳性能的有效策略[1]、[2]、[3]、[4]。然而，大量研究表明，疲劳强度并非随抗拉强度的增加而无限提高，并且在高强度水平下可能会偏离传统的强度-疲劳关系[5]、[6]。这种行为在超高强度金属中尤为重要，因为进一步强化基体通常会降低对小缺陷的容忍度[7]、[8]。因此，非金属夹杂物和其他微尺度缺陷可能成为疲劳损伤积累和裂纹起始的优先位置[9]、[10]、[11]。在高循环疲劳和非常高的循环疲劳中，高强度钢的内部断裂经常与非金属夹杂物相关，且已报道关键夹杂物尺寸随基体硬度的增加而减小[12]、[13]、[14]。最近的研究进一步表明，控制小缺陷对于充分发挥高度强化金属材料的固有疲劳能力至关重要[15]、[16]。这些观察结果表明，超过某个强度水平后，疲劳断裂可能不再仅由基体强度决定，而是越来越受到微观结构缺陷与周围材料相互作用的影响。
CD珠光体钢丝是超高强度工程结构材料的极端例子，因此为研究这种缺陷-基体相互作用提供了理想的模型。通过广泛的冷拔处理，珠光体钢丝的抗拉强度可超过3.5 GPa，使其成为报道过的最强工程结构钢之一[17]、[18]、[19]。其卓越的强度源于独特的纳米层状微观结构，在该结构中，铁素体和渗碳体沿拉拔方向逐渐伸长、细化并对齐[20]、[21]、[22]。层间间距对珠光体钢丝的强度起着关键作用[23]，而位错积累、晶体纹理和分级结构细化提供了额外的强化效果。这种高度精细的架构不仅产生了异常强的基体，还引入了密集的铁素体/渗碳体界面网络，可以限制局部塑性变形。先前的研究表明，抗拉强度为3525 MPa的CD珠光体钢丝在拉-拉载荷下可以达到超过2 GPa的疲劳强度[24]。然而，抑制塑性变形的同样超高基体强度也可能增加对小缺陷的敏感性。这引发了一个基本问题：当基体强度已经达到超高水平时，进一步的强化是否仍能提高抗疲劳性能，还是疲劳断裂更多地受到单个缺陷与周围纳米层状基体相互作用的影响？与超高强度钢中常见的板条状或块状马氏体基体不同，CD珠光体保留了具有高密度密集界面的两相铁素体/渗碳体纳米层状结构，并沿拉拔方向具有明显的结构取向。这些界面和纳米级层状几何结构对局部塑性施加了额外的约束，并为适应缺陷周围的異質变形提供了不同的途径。因此，超高强度珠光体的疲劳响应不能仅从基体强度和缺陷尺寸来理解，还需要考虑纳米层状铁素体/渗碳体结构如何响应由关键夹杂物产生的局部应力和应变场。

冷拔不仅仅是一个结构细化的过程。在逐步拉拔过程中，珠光体团块逐渐伸长，而铁素体/渗碳体层片发生破碎、变薄和细化[22]。同时，渗碳体可能会发生部分分解，伴随碳的重新分布以及与位错和铁素体/渗碳体界面的强烈相互作用[18]。因此，形成的纳米层状结构高度受限、異質且亚稳态，为后续的循环变形提供了独特的微观环境。在这种基体中，夹杂物不应仅仅被视为一个孤立的几何应力源；其疲劳效应可能强烈依赖于周围纳米层状结构如何适应循环加载期间产生的局部应力和应变场。

在高强度钢中，向缺陷控制断裂的转变已被广泛讨论。Murakami基于缺陷的方法确立了小缺陷有效尺寸在疲劳裂纹起始中的重要性[9]，而后续研究展示了夹杂物尺寸、应力状态和基体强度在夹杂物诱导的疲劳裂纹中的关键作用[25]。特别是，关键夹杂物尺寸随着基体硬度的增加或抗拉强度的提高而减小，表明随着基体的强化，缺陷容忍度逐渐降低[13]。对于CD珠光体钢丝，以往的疲劳研究主要关注了拉拔过程中产生的表面缺陷以及定向铁素体/渗碳体层片对疲劳裂纹扩展的影响[26]。然而，裂纹起始强烈依赖于主导缺陷的类型和位置。一旦内部夹杂物与表面缺陷变得具有竞争力，理解夹杂物控制的疲劳就需要考虑夹杂物几何形状以及周围纳米层状基体的局部响应。
夹杂物作为一种局部机械扰动，可以在周围基体中产生異質應力和应变场。在经过大量冷拔的珠光体钢丝中，基于定量衍射的表征显示出显著的GND密度，突出了異質位错结构在适应变形中的重要性[27]。此外，循环加载可以在铁素体/渗碳体界面诱导位错萌生和演化，表明它们在循环变形中的积极作用[28]。这种行为在夹杂物控制的疲劳起源附近尤其相关，因为那里的局部变形状态可能与周围基体明显不同。尽管如此，围绕内部疲劳断裂起源的局部微观结构状态仍然了解不足，特别是关于纳米层状基体如何适应关键夹杂物周围的变形。

渗碳体演化是这种局部响应的另一个重要方面。在剧烈冷拔过程中，渗碳体的分解与位错介导的破碎、碳的重新分布以及铁素体/渗碳体界面的变化密切相关[29]、[30]、[31]。原子尺度研究进一步表明，变形引起的渗碳体分解与局部应变和位错结构相关[32]。最近，在循环滚动接触疲劳中也观察到了变形驱动的渗碳体分解，表明渗碳体在重复机械加载下可以继续演化[33]。这些发现表明，渗碳体演化可能参与局部变形适应。因此，相关问题不是渗碳体是否能在严重变形下分解（这一点已经得到证实），而是局部渗碳体耗尽或溶解是否与内部疲劳断裂起源周围的高度变形区域空间相关。

在本研究中，特别关注了CD珠光体钢丝的疲劳断裂行为，尤其是由夹杂物控制的内部裂纹起始。在拉-拉载荷下，R = 0.1时，实现了1900 MPa的疲劳强度。首先研究了裂纹起始模式随疲劳寿命的变化，然后表征了与内部疲劳起源相关的夹杂物。随后使用前置电子衍射、GND分析、几何相位分析、TEM和HRTEM研究了这些夹杂物周围的局部微观结构响应。特别关注了局部变形和位错结构、纳米层状铁素体/渗碳体架构以及疲劳起源周围的局部渗碳体耗尽。通过将夹杂物控制的疲劳起源特征与周围纳米层状微观结构相关联，本研究阐明了超高强度CD珠光体钢丝中疲劳裂纹起始的局部缺陷-基体相互作用。

材料
研究了由Zenith Steel Group（淮安）提供的低碳珠光体钢丝。该钢丝的化学组成为Fe-0.90C-0.36Mn-0.20Si-0.18Cr-0.025Ni-0.006P-0.005S（重量百分比）。经过酸洗和磷化处理后，通过多道次拉拔工艺将其拉拔至0.205 mm。

微观结构表征
样品用砂纸打磨，并在HClO4 : C2H5OH=1 : 9（体积比）的混合溶液中，在12 V电压、0.5 A电流和24秒的时间内进行电抛光。

微观结构
CD珠光体钢丝的微观结构如图2所示，表现出典型的CD珠光体特征[21]。在横截面上，可以观察到波浪状结构，这是由位错运动调整的铁素体晶粒优先取向引起的[34]。在纵截面上，微观结构沿拉拔方向显著伸长，形成了明显的纤维状流线[2b]。

讨论
目前的结果揭示了控制CD珠光体钢丝的高循环疲劳（HCF）行为的缺陷-基体耦合响应。超高强度基体提供了对循环变形的高抵抗力，而相关的缺陷敏感性使得内部夹杂物成为所研究HCF范围内的主要疲劳起始点。周围的纳米层状铁素体/渗碳体架构适应并空间重新分布了夹杂物引起的異質变形。同时，通过系统的疲劳测试和多尺度微观结构分析，揭示了CD珠光体钢丝超高HCF强度的多种机制。主要研究结果总结如下：
(1) 当使用自制的疲劳测试夹具进行测试时，抗拉强度为4133 MPa的CD珠光体钢丝在R = 0.1时的疲劳强度可高达1900 MPa。基体通过多种效应的协同作用具有高固有抗拉强度。

作者贡献声明
Xiaolin Su：撰写——原始草稿、验证、方法论、调查、数据管理。Zikuan Xu：撰写——审阅与编辑、监督、资金获取、概念化。Peng Zhang：撰写——审阅与编辑、监督、资金获取、概念化。Bin Wang：撰写——审阅与编辑。Honglei Chen：调查。Aiping Wang：资源提供。Zhefeng Zhang：撰写——审阅与编辑、监督、资金获取、概念化。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

数据可用性
数据可应要求提供。

致谢
本工作得到了国家自然科学基金（52321001, 52130002, 52494932和52371123）和中国科学院战略性先导科技专项（XDB1420000）的支持。

Xiaolin Su | Zikuan Xu | Peng Zhang | Bin Wang | Honglei Chen | Aiping Wang | Zhefeng Zhang