奥氏体不锈钢（如316LN）由于其高强度、优异的韧性和良好的耐腐蚀性，被广泛用于压水反应堆（PWR）核电站的关键部件，包括一次冷却管道和内部结构。然而，在一次冷却环境中长期服役时，奥氏体不锈钢会受到辐照、高温高压水腐蚀、结构应力以及压力波动的共同影响。在这些条件下，它们容易发生晶间或解理脆性断裂，其中应力腐蚀开裂（SCC）和腐蚀疲劳是主要的失效机制[[1], [2], [3]]。这对核电站的安全可靠运行构成了重大挑战。因此，探索新的抗SCC材料和技术，以及推进原位SCC监测技术的研究，对于延长核材料的使用寿命和确保反应堆安全至关重要。
声发射（AE）是指材料在外力或内力作用下变形和断裂时以瞬态弹性波的形式释放应变能量的现象[[4], [5], [6]]。作为一种原位无损检测技术，AE监测一直受到持续关注。AE信号的特征参数——如峰值频率、上升时间、幅度和持续时间——可以反映AE源的类型和强度，从而推断材料的退化情况[[7], [8], [9], [10], [11]]。这为使用AE技术监测一次水环境中的SCC过程提供了理论基础[[8]]。然而，在PWR一次回路的高温高压水环境中监测SCC损伤面临着巨大挑战。目前，很少有监测探头能够在这些条件下长期稳定运行而不影响信号采集，这限制了需要直接接触组件的超声波和涡流等技术的应用。相比之下，AE技术具有非侵入性、高灵敏度和潜在的非接触式监测优势，对核电站的老化管理显示出巨大潜力。然而，由于极端环境和SCC机制的复杂性，准确区分来自不同来源的AE信号仍然很困难，这阻碍了AE技术在SCC研究和检测中的应用。
利用AE技术监测各种腐蚀过程已取得显著进展，包括均匀腐蚀[[11], [12], [13], [14]]、点蚀[[15], [16], [17], [18]]、缝隙腐蚀[[19]]以及应力腐蚀开裂[[6],[20], [21], [22], [23]]。已经提出了几种AE源与特定失效机制的相关性。其中，氢气泡演化是一个重要且被广泛认可的AE源[[24], [25], [26], [27]]，吴等人的最新工作[[28]]为金属腐蚀中的这一现象提供了直接证据。其他潜在的AE源包括膜破裂[[16], [17], [18]], 腐蚀电位波动[[30]], 塑性变形[[26,31,32]]和裂纹扩展[[21,26,[31], [32], [33], [34]]。AE技术还应用于监测腐蚀疲劳[[32,35,36]]、拉伸变形[[9,37]]、高温蠕变[[38]]、四点弯曲试验[[39]]和涂层退化[[13,37,40,41]]等损伤过程。然而，大多数这些研究集中在常温/常压溶液或大气腐蚀条件下。
关于高温高压水环境中SCC的AE监测研究仍然很少。现有研究主要旨在建立AE信号与SCC过程之间的相关性。例如，徐等人[[42,43]]指出，304不锈钢在高温高压水中的活性溶解和晶间腐蚀都会产生AE信号，但幅度较低。在应力作用下，晶间裂纹过程中的塑性变形和裂纹扩展都会产生AE信号；而在晶间裂纹过程中，只有裂纹尖端的塑性变形会产生AE信号；信号幅度可以区分裂纹扩展和塑性变形产生的AE。张等人[[5,8]]提出，突发型和连续型信号的比例与SCC的晶间或晶间模式有关。尽管付出了这些努力，相关研究仍然有限，准确区分SCC信号与噪声和塑性变形信号仍然是一个关键挑战。总之，AE信号分析以及建立AE信号与失效机制或模型之间的稳健相关性仍然是AE技术应用中的难点。采用新的分析方法（如机器学习[[44]]可能为进展提供有希望的途径。
本研究针对PWR一次冷却管道中使用的316LN不锈钢的SCC问题进行了探讨。利用AE技术监测了模拟PWR一次水环境中的慢应变率拉伸（SSRT）过程。通过分析不同SSRT试验条件下AE信号的分布模式，我们旨在识别不同AE信号的来源，并尝试建立AE信号演变与应力腐蚀开裂之间的相关性。研究结果旨在为极端环境中金属材料的应力腐蚀开裂的原位检测提供见解和潜在解决方案。
