清洁度、碳化物尺寸、硬度与残余应力对富碳化物冷作工具钢长寿命疲劳强度及裂纹萌生机制的影响——基于归一化S–N曲线与数据库驱动验证Murakami √area模型

《steel research international》：Influences of Cleanliness, Carbide Size, Hardness, and Residual Stresses on Long-Life Fatigue Strength and Crack-Initiation Mechanisms in Carbide-Rich Cold-Work Tool Steels Using Normalized S–N Curves and Database-Driven Validation of Murakami's √Area Model

　　

耐磨型富碳化物冷作工具钢广泛应用于大规模冷成形工艺中，其工具寿命受磨损和疲劳限制。然而，冶炼路线（清洁度/碳化物结构）、热处理（硬度）和表面完整性对在NG=107循环周次下长寿命疲劳（LLF）强度的耦合影响，对于常规制造（非增材制造）牌号而言仍未被充分量化。研究人员在AISI D2和AISI A11（V10）两种材料上进行了旋转弯曲试验（R=?1），涵盖四至五个与应用相关的硬度水平。这两种材料分别通过铸锭铸造+热加工（IC+HW）或气雾化粉末冶金经热等静压+热加工（PM-HIP+HW）制备。对于AISI A11，研究人员系统地改变了工艺清洁度，获得了三种微观组织状态，其清洁度依次递增：V10 PM-L1、V10 PM-L2和V10 PM-L3。统计断口形貌分析通过极值√area统计将疲劳强度与内在缺陷（碳化物、非金属夹杂物和团聚体）联系起来，并利用归一化S–N曲线实现了对Murakami √area框架的数据库驱动评估。只有当缺陷极值足够小时，疲劳强度才会随硬度增加而提高；旋转弯曲条件下强度≥1,000 MPa要求√areamax ≤ 60 μm，进一步增益则要求√areamax ≤ 20 μm。由制造和精加工引入的压缩残余应力产生表面屏蔽效应，使归一化跑出数据点上移，并可减弱或掩盖反向硬度效应（RHE）。相反，某些断裂数据的向下偏移与缺陷尺寸控制的RHE行为一致，而基本√area模型有意未捕捉该行为。

论文解读文章

一、研究背景与科学问题

富碳化物冷作工具钢（CWS）因其优异的耐磨性和高硬度，被广泛用于大规模冷成形工艺中的冲压、挤压、深拉等模具。这类工具的实际服役寿命同时受到磨损和疲劳的双重制约。然而，当前工业界和学术界对常规制造（非增材制造）CWS在长寿命疲劳（LLF）区间（N_G=10⁷循环周次）下的疲劳性能仍缺乏系统性定量认识。现有标准如DIN EN ISO 4957、FKM指南和ASTM A681均未提供针对此类钢种的统计疲劳强度数据或硬度/缺陷尺寸相关性，导致无法建立统一的循环设计准则。

已有研究表明，硬度本身不能单独解释CWS的疲劳行为。Garwood等人于1951年提出的经验公式仅适用于低合金无碳化物钢（硬度约400 HV以下），而Bergstr?m等人虽发现PM-HIP+HW工具钢在58–64 HRC范围内宏观硬度与超高频疲劳（VHCF）强度呈强线性相关，但更广泛的文献数据汇总显示，当纳入所有数据点时，简单的线性关系普遍不成立，且回归决定系数R2极低。此外，Berns等人早在1980年代就已指出，冶炼路线、热加工程度和热处理参数共同决定了碳化物结构与缺陷种群，从而控制疲劳性能。Murakami与Endo进一步证明，在50–58 HRC硬度范围内，硬度对疲劳极限的影响完全取决于缺陷尺寸：对于无缺陷或极小缺陷，疲劳极限随硬度线性上升；随着缺陷增大，斜率逐渐变平直至出现反向硬度效应（RHE），即进一步提高硬度反而降低疲劳极限。

尽管如此，上述结论大多来自含有人工钻孔缺陷的碳钢实验，而实际CWS中含有随机分布、异质的内在缺陷种群（包括一次碳化物、共晶碳化物、非金属夹杂物及其团聚体），其几何特征和空间分布本质上具有统计性。因此，亟需建立一种能够同时量化冶炼清洁度、碳化物结构、热处理硬度和表面完整性等多因素耦合作用的疲劳强度预测框架。本研究正是针对这一关键知识空白而展开。

二、主要技术方法

研究人员采用旋转弯曲疲劳试验（RBT，R=?1），在AISI D2和AISI A11（V10）两种代表性富碳化物CWS上进行测试，每种材料覆盖四至五个应用相关硬度水平。D2通过铸锭铸造+热加工（IC+HW）制备，A11则通过气雾化粉末冶金经热等静压+热加工（PM-HIP+HW）制备，并系统变化工艺清洁度得到三种微观组织条件（V10 PM-L1、V10 PM-L2、V10 PM-L3）。研究人员运用统计断口形貌分析，通过极值√area统计方法关联疲劳强度与内在缺陷（碳化物、非金属夹杂物和团聚体），并借助归一化S–N曲线实现数据库驱动的Murakami √area模型验证。同时，研究人员测量了制造和精加工引入的残余应力（fiRS），以评估其对疲劳行为的表面屏蔽效应。

三、研究结果

1. 硬度与疲劳强度的关系依赖于缺陷极值尺寸

研究发现，只有当最大缺陷的√area值（√area_max）足够小时，疲劳强度才随硬度增加而提升。具体而言，在旋转弯曲条件下要实现≥1,000 MPa的长寿命疲劳强度，必须满足√area_max ≤ 60 μm；若要获得更高强度，则需将√area_max控制在≤ 20 μm以内。这一阈值关系揭示了缺陷尺寸对硬度–疲劳强度耦合效应的决定性作用。

2. 反向硬度效应（RHE）的缺陷尺寸依赖性

研究结果证实，在较大的内在缺陷存在时，进一步提高硬度会导致疲劳强度下降，即出现RHE。这与Murakami & Endo在含人工钻孔缺陷碳钢上的观察一致，但本研究的贡献在于首次在真实CWS内在缺陷种群中系统验证了这一现象。RHE的起始点随缺陷尺寸增大而向更低硬度方向移动，表明缺陷尺寸和硬度之间存在二维甚至多维耦合关系。

3. 残余应力的表面屏蔽效应

由制造和精加工引入的压缩残余应力（compressive fiRS）在试样表面形成屏蔽层，使得归一化跑出数据点向上偏移。在某些情况下，这种表面屏蔽效应可以减弱甚至完全掩盖RHE的表现。反之，部分断裂数据的向下偏移则符合缺陷尺寸控制的RHE行为，而Murakami基本√area模型有意未捕捉该效应。

4. 归一化S–N曲线与数据库驱动模型验证

研究人员通过归一化S–N曲线将不同制造条件和硬度水平的疲劳数据统一到同一框架下，并结合极值√area统计进行数据库驱动的Murakami √area模型评估。结果表明，该模型在缺陷尺寸较小且残余应力影响可忽略的条件下具有良好的预测能力，但在存在显著RHE或强烈残余应力场时，需要对模型进行修正。

四、总结讨论与研究结论

讨论部分：研究人员指出，经典的低合金无碳化物钢硬度–疲劳极限经验公式（Garwood公式和DIN EN ISO 18265公式）完全不适用于高合金富碳化物CWS及其典型工业硬度范围（约55–70 HRC）。文献综述中线性回归得到的极低R2值（RBT为0.33，轴向加载R=0.1时为0.32，R=?1时为0.19）进一步证实了单一硬度变量不足以描述CWS的疲劳行为。研究者强调，必须同时考虑缺陷极值分布、碳化物类型与形态、冶炼清洁度、热处理制度以及表面完整性等多重因素，才能建立可靠的疲劳强度预测方法。此外，加速疲劳测试方法（如基于量热法、电阻或声发射监测）有望在未来实现对工具损伤状态的在线跟踪，从而在宏观疲劳失效发生前进行干预。

研究结论：本研究通过系统变化的冶炼路线、工艺清洁度和热处理条件，建立了AISI D2和AISI A11两种典型富碳化物CWS的长寿命疲劳强度与缺陷尺寸、硬度及残余应力之间的定量关系。主要结论如下：（1）疲劳强度随硬度增加的前提条件是缺陷极值足够小，旋转弯曲下≥1,000 MPa要求√area_max ≤ 60 μm；（2）反向硬度效应（RHE）在较大缺陷存在时成为主导机制，且其起始点随缺陷尺寸增大而向低硬度方向移动；（3）压缩残余应力产生表面屏蔽效应，可使归一化跑出数据点向上偏移，并可能掩盖RHE；（4）Murakami √area模型在排除RHE和残余应力干扰的条件下具有良好的预测精度，但需要扩展以包含RHE行为。这些发现为疲劳导向的冷作工具设计和寿命评估提供了关键的定量依据和数据库支撑。