常规与超声辅助刮擦下 CVD 金刚石动态损伤演化及材料去除机制：基于多尺度声发射分析的洞察

《Diamond and Related Materials》：Dynamic damage evolution and material removal mechanisms of CVD diamond under conventional and ultrasonic-assisted scratching: Insights from multi-scale acoustic emission analysis

　　

- 在常规刮削（CS）和超声辅助刮削（UAS）过程中产生的声发射（AE）信号均表现出显著的瞬态和非平稳特征。主导频谱能量主要分布在低至中频范围内，同时在相对连续的较低幅值背景上叠加了突发型AE事件，表明刮削过程中瞬态和连续声响应共存。
- 超声振动显著改变了AE响应的时间组织结构。与CS相比，UAS产生了更多聚集的瞬态AE事件、更高的信号幅值以及更集中的时频能量分布。
- 在两种加工条件下，刮削速度对AE特性均具有显著影响。随着刮削速度增加，AE信号表现出事件密度增大和非平稳性增强。
- 时域、频域和时频分析相结合，为表征刮削过程中AE响应的动态演化提供了互补信息。包括均方根值和带能量比在内的定量指标，有效补充了从短时傅里叶变换（STFT）、小波变换（CWT）和水落图谱中获得的定性观测结果，从而能够更全面地比较不同刮削条件下的AE特性。
- 研究结果表明，利用多尺度AE分析来表征CVD金刚石刮削过程中超声振动和刮削速度的影响是可行的。尽管仅凭AE信号无法直接识别具体的材料去除机制，但它们为评估瞬态磨粒-工件相互作用提供了有价值的信息，并为未来超声辅助CVD金刚石加工的原位监测和工艺优化提供了有用的基础。

引言

CVD金刚石凭借其卓越的物理化学性能，包括极高的硬度（仅次于天然金刚石）、超导热率、优异的化学稳定性和宽光透过波段，已成为现代精密制造、高功率半导体热管理和航天光学窗口领域的一种关键材料[1], [2], [3]。作为典型的超硬材料，CVD金刚石在推动高能激光武器、量子器件和新一代半导体封装技术发展方面具有战略重要性[4], [5], [6]。然而，其极高的本征硬度（90–110 GPa）和显著的脆性也使金刚石成为先进制造领域中最难加工的材料之一[7], [8], [9]。在常规磨削和抛光过程中，金刚石表现出显著的各向异性和化学惰性，导致加工效率极低、刀具磨损严重，且加工表面容易形成不可控的深度微裂纹和边缘崩缺[10], [11]。因此，探索实现CVD金刚石高效低损伤加工的新型加工机制已成为精密和超精密制造领域的关键瓶颈问题[12], [13], [14]。

全球范围内已对硬脆材料的去除机制进行了大量研究[15], [16], [17]。Bifano等人[18]提出的"临界切削深度"理论为脆性材料的延性域加工奠定了理论基础，证明在极小切削深度下可实现无裂纹塑性去除。Ma Lianjie等人[19]基于断裂力学建立了脆性材料的切削力模型，并采用反向传播（BP）神经网络预测陶瓷的切削力。Li Ming等人[20]通过刮削实验研究了单晶硅的材料去除机制，发现随着磨削深度增加，去除模式逐渐从延性去除转变为脆性断裂。Qiu Jian等人[21]研究了SiC陶瓷的材料去除机制，通过分析时域力分布特征、表面粗糙度和切屑形貌，证实了SiC铣削过程中存在脆性-延性转变。目前，关于金刚石材料去除机制的研究仍相对有限。Zhang Wanxue等人[22]利用分子动力学模拟研究了多晶金刚石在机械抛光过程中的原子尺度机制，发现较高的抛光压力导致材料去除率增加。Xin Yongkang等人[23]利用高速自旋转磨装置实现了单晶金刚石的高精度磨削。其研究表明，金刚石（100）晶面的材料去除行为强烈依赖于切削深度。材料去除沿110和100晶体学方向通过协同机制发生，而110方向上的脆性-延性转变显著影响加工质量。Liu Jialin等人[24]基于光谱测量研究了多晶金刚石在电火花加工（EDM）过程中的材料去除机制。结果表明，金刚石的部分区域因EDM过程中产生的极高温度而直接转变为气相。迄今为止，关于CVD金刚石材料去除机制的系统性研究仍然不足。CVD金刚石的去行为涉及复杂的微/纳米尺度脆性-延性转变、晶界失效和穿晶断裂。因此，在准静态和高速动态加工条件下对其材料去除机制的全面研究仍十分迫切。

UAS技术向磨粒引入高频小振幅振动，从而显著改变刀具与工件之间的运动学相互作用[25], [26]。先前的研究表明，超声振动下的间歇接触行为可降低平均加工力、减轻热量积聚并促进微裂纹的可控扩展[27], [28]。Lin Hao等人[29]研究了超声辅助刮削下SiC的切削力和材料去除机制，发现刮削速度对切削力的影响比刮削深度更为显著。Ralchenko等人[30]研究了多晶CVD金刚石薄膜的超声加工去除过程，实验证明超声加工有效降低了表面粗糙度。Wei Shi Liang等人[31]通过旋转超声磨削实验和三维模拟揭示了金刚石磨料的主导材料去除机制为磨粒磨损（占比超过77%），伴随磨粒断裂和拉出。然而，超声辅助的有效性强烈依赖于加工速度。随着刮削速度增加，超声振动的运动学重叠效应发生显著变化，进而影响材料损伤的演化行为。目前，关于超声辅助CVD金刚石加工过程中不同刮削速度如何影响去除模式及其动态演变的系统性定量认识仍然不足。

AE因对摩擦、微凸体相互作用、裂纹萌生、裂纹扩展、磨粒形成和材料去除产生的瞬态弹性波高度敏感，已被广泛用于摩擦学过程监测[32], [33], [34], [35], [36]。先前的研究表明，AE特性可提供关于摩擦学过程中接触状态、磨损演化和损伤发展的有价值信息[37], [38], [39]。声发射（AE）信号是材料内部应变能释放产生的瞬态弹性波，能够实时捕捉微裂纹萌生、扩展和塑性变形等微观动态过程[32], [33]。由于其高灵敏度和宽频响范围，AE传感器已被广泛用于硬脆材料加工状态的监测。Wan Linlin等人[34]通过AE信号重构实现了氧化铝陶瓷磨削中砂轮磨损状态（初期、中度和严重）的有效识别，总识别准确率达到90.6%，严重磨损条件的准确率达100%。Wang Sheng等人[35]利用AE信号成功监测了单晶硅超精密磨削过程中的损伤机制，揭示了不同磨削深度和进给速率下材料去除模式（延性去除、延性-脆性混合去除和脆性去除）的演化。他们还基于处理后的AE信号准确预测了亚表面损伤深度。Wang Xingyu等人[36]系统监测了所有蓝宝石晶体学平面（R、N、C、M、A）超精密磨削过程中的磨削力和AE信号，揭示了表面粗糙度和损伤演化的各向异性特征，表明R面最易加工而A面最难加工。在超声辅助加工中，AE信号通常表现出显著的周期性脉冲特征，反映了超声频率调制引起的动态效应。近年来，STFT、CWT和Hilbert-Huang变换（HHT）等时频分析方法为更深层解耦和解释AE信号提供了强大工具[37], [38], [39]。此外，三维水落图谱和能量密度分布能够实现加工过程中能量演化趋势的直观可视化。

鉴于CVD金刚石加工中刮削速度与超声振动耦合效应的不确定性，本研究采用单颗金刚石磨粒变深度刮削实验进行了研究。在CS和UAS条件下分别采用了1 mm/min、10 mm/min和25 mm/min三种刮削速度。对于CS模式，分析了AE信号的时域和频域特性，以阐明常规刮削速度对损伤演化行为的影响。本研究探讨了刮削速度对超声辅助刮削（UAS）条件下AE信号时频特性的影响，并考察了所观测到的AE特征是否与超声振动下预期的间歇调制磨粒-工件相互作用一致。通过整合这些结果，系统建立了刮削速度、加工模式和AE信号特性之间的内在关系，为CVD金刚石高效低损伤超声磨削提供了理论支持和实验证据。

实验方法

本实验使用单颗金刚石磨粒对CVD金刚石（多晶）表面进行变深度刮削。将单晶金刚石颗粒钎焊固定在刀柄末端，如图1所示。在以下章节中，该刀具称为单颗金刚石磨粒刀具。金刚石磨粒和CVD金刚石的材料性能如表1所示。

如图2所示，变深度刮削示意图……

AE信号的时域特性

如图5所示，展示了刮削过程中采集的AE信号。AE信号通常分为突发型信号和连续型信号。在延性材料（如金属车削）的加工中，由于稳定的塑性变形，AE信号通常表现为连续波形。相比之下，对于脆性材料，材料去除通常以裂纹萌生、断裂和碎裂为主，从而产生突发型AE信号。由此可知……

刮削速度对时域AE特性影响的分析

刮削速度对AE信号特性具有显著影响，这直接反映了不同应变率下材料去除机制的动态演化。如图16、图17和图18所示，在恒定刮削行程下，随着刮削速度增加，AE信号沿时间轴表现出日益明显的时域压缩效应。这表明单位时间内的能量释放率显著增加……

结论

本研究利用单颗磨粒变深度刮削实验，研究了CVD金刚石在常规CS和UAS过程中的AE特性。采用多尺度信号分析，包括时域、频域、STFT、CWT、水落图谱、均方根值和带能量比分析，表征了刮削速度和超声振动对AE响应的影响。主要结论总结如下：

1）在CS和UAS过程中产生的AE信号均表现出显著的瞬态和非平稳特征。主导频谱能量主要分布在低至中频范围内，同时突发型AE事件叠加在相对连续的较低幅值背景上，表明刮削过程中瞬态和连续声响应共存。

CRediT作者贡献声明

王康康：写作——审阅与编辑，写作——初稿撰写。李成：项目管理，资金获取，概念构思。陈栋：资金获取，形式分析。铁颖：指导，资金获取。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

本工作得到工业和信息化部高质量发展项目（编号：203ZS20230005）、国家自然科学基金（编号：12302106）、国家自然科学基金面上项目（编号：52175153）、河南省重点研发与推广计划（科技攻关项目）（编号：262102240061）和河南省高等学校重点项目（编号：26B460010）的资助。

王康康 | 李成 | 陈栋 | 铁颖