高性能海洋用鋼智慧研發之二
——鋼鐵材料基因與顯微組織數字化表征

尚成嘉，李秀程，王學林

（1.北京科技大學鋼鐵共性技術協同創新中心，北京100083；2.鞍鋼集團鋼鐵研究院海洋裝備用金屬材料及其應用國家重點實驗室，遼寧 鞍山114009）

第一次工業革命使鋼鐵材料成為了真正的工業產品?？v觀鋼鐵材料的近代發展過程可見，鋼鐵材料的不斷發展首先得益于工業化制造技術的提升，使得鋼鐵這種有著長期應用歷史的重要結構材料能夠大量、廉價地被制造；其次，工業革命以后相關產業的飛速發展對鋼鐵材料的性能提出了各類苛刻要求，這對鋼鐵材料的發展既是挑戰，又是機遇。隨著20世紀初現代物理學及其技術的發展，鋼鐵材料在原子層次被逐步認識，并且開展了廣泛的理論與實驗研究。在鋼鐵材料晶體結構基礎上，還建立了以現代物理學為基礎的固溶體、合金相，晶體缺陷，擴散與相變，塑性形變，強化，斷裂等一系列理論和模型。

早在1978年Pickering就發表了名為 《物理冶金學——鋼的材料設計》的專著［1］，通過對各類鋼鐵材料成分-組織-性能之間的物理冶金現象及規律的總結與提煉，闡明了鋼鐵材料已經可以根據物理冶金原理進行設計，即按照鋼鐵材料的規律（基因）認識鋼鐵材料，設計鋼鐵材料，生產鋼鐵材料以及使用鋼鐵材料。鋼鐵材料的合金設計、組織設計、工藝設計及服役行為已經可以依靠其基因，即物理冶金、化學冶金和力學冶金的相關理論；借助物理與化學數據庫和已經建立的多尺度模型實現智慧化研發與制造［2-4］。

1 鋼鐵材料智慧研發與生產流程

當今的鋼鐵材料已經可以利用其所具備的基因去設計材料，并將進入智慧設計、智慧生產與智慧服務新時代。鋼鐵材料智慧研發藍圖如圖1所示，鋼鐵材料智慧研發驅動來自不同領域、不同環境條件下的具體需求，具體反映在應用領域的設計規范與標準，應用條件與方法，產品安全與經濟等社會屬性的多個方面。為了體現材料是“為人類制造有用器件的物質”的功能和社會屬性［5］，應選擇經濟、環保、節能、節約資源和高性能等五大屬性兼備的材料體系 （合金成分、工藝和性質與性能）。顯然，材料體系與技術條件的確立是完全由“逆向需求”確定的，同時還該利用鋼鐵材料標準、規范以及知識、原理和熱力學數據協助完成。經驗、知識和鋼鐵大數據在此將起到重要指導作用，它們是開展材料顯微組織結構和制造工藝與流程設計的前提，是材料智慧設計的核心［2］。利用知識與原理，理論與模型、熱力學數據及對工業大數據深度挖掘所得到的知識，指導材料制造過程中的成分控制范圍，顯微組織精細結構和煉鋼-連鑄-熱加工-熱處理等冶金全過程的參數與指標，實現成分-工藝的正向調控，組織-性能的正向預報。材料智慧設計平臺是指導材料智慧研發的重要支柱，除此以外，材料的智慧服務體系對材料的逆向開發方面也起到重要作用?；诓牧系膽门c服役性能的數據積累，智慧服務的需求是逆向的，而理論基礎卻是正向的。材料的研發與制造應更緊密地結合重大裝備、重大工程、特殊環境、特殊工藝及嚴酷競爭的客觀條件，開展材料“逆向設計”，實施材料“正向制造”，在此過程中，相關的數據庫及數據挖掘技術是實現材料智慧設計、智慧生產與智慧服務的重要支撐。

圖1 鋼鐵材料智慧研發與生產流程

2 鋼鐵材料多尺度顯微組織數字化表征方法

目前的研究比較著重于建立鋼鐵材料組織結構中某一個或某幾個特征與工藝性能的關系，找到可以決定性能的關鍵因素。但材料基因的內涵不止于此，所謂基因，即通過對材料組織的表征和分析，直接明確其性能，甚至給出較為精確的預測數值范圍。這不僅是材料研究學者一直以來的夢想，也是材料智慧化制造的趨勢。時至今日，通過海量研究成果的匯集，各種理論的提出和完善，各種模型的建立以及各種實驗方法及設備的飛速發展，全面建立鋼鐵材料基因數據庫有了希望的曙光。

建立鋼鐵材料基因數據庫的本質就是對其所有的結構特征進行充分表征，并以定量化的數據形式展現。鋼鐵材料作為一種晶體，其晶體類型是非常容易判定的，在這方面已經有了大量卓有成效的工作。影響材料性能的信息更大程度上來自晶體中的缺陷，而對于晶體中的缺陷，通?？筛鶕渚S度特點進行分類和表征。

2.1 晶體中點缺陷的表征及數據化

晶體中點缺陷，即零維缺陷，主要包括空位、間隙原子和置換原子。通常情況下，晶體中空位存在較少，且與其他缺陷有著緊密的關聯；間隙原子和置換原子主要是合金化形成的，現在通過電子探針，甚至三維原子探針等實驗方法，已經可以很好地對微區的原子構成進行定量化表征，但難點在于實驗觀察范圍一般比較小，且實驗成本較高。如果可以選取有代表性的位置（如晶界或界面）進行測試，還是可以很大程度上反映出材料的基因特征。與高強度鋼密切相關的一個典型例子就是可以利用三維原子探針（3D-AP）較容易地統計在原始奧氏體晶界上富集的B、Mo等元素的偏聚等行為［6］，從而認識或定量化建立與鋼的淬透性之間的關系。

2.2 晶體中位錯的表征及數字化

晶體中的位錯是一種一維缺陷，鋼鐵材料的所有力學性能幾乎都與位錯有所關聯。通過透射電鏡可以很好地對位錯進行表征，但是仍存在與點缺陷表征類似的問題，即不可能大范圍進行量化，所以選取代表性結構進行充分表征仍是比較好的解決方案，并盡可能增加數據量，小范圍實現定量化統計；同時尋找替代實驗方法，通過其他表征結果反映位錯密度信息，例如通過EBSD的菊池帶質量進行表征等［7-8］。當然在這方面還需要更加深入系統的研究以及實驗儀器與配套分析軟件的發展。

2.3 晶粒、晶界的表征及數據化

晶界作為一種二維缺陷在材料的組織、物理性能、化學性能、力學性能、變形過程、失效行為中均扮演至關重要的角色，但是目前對晶界的統計分析工作還不甚完善，其根源很大程度上并非是實驗方法欠缺，因為目前的EBSD技術已經得到了很好的發展，而且應用非常廣泛。其根源更可能是對晶界的認知差異以及表征的片面性，特別是對前文所述的馬氏體/貝氏體組織類型鋼鐵材料，如果單從奧氏體界面、10～15o大角度晶界密度、45o大角度晶界密度、Packet界面密度或者Block界面密度分析其與韌性的關系，好像都可以建立比較好的聯系，但是其中又不乏一些反例出現。所以如果將所有在不同研究過程中的晶界類型進行分類統計，那么研究結果將會更為明晰。當然，如果可以加入高分辨投射電鏡等更加精細的表征方法，對界面的細微結構進行更加深入的鑒別，則是更為理想的。

2.4 體缺陷的表征及數據化

鋼鐵材料中的體缺陷主要包括析出物、夾雜物和其他類型體缺陷（偏析、疏松、裂紋等）。目前對析出物的表征主要應用透射電鏡，并且可以達到定量化的分析效果。但是對于一些納米級甚至納米以下的析出物，表征結果尚不理想。對鋼中夾雜物的表征較為完善，已經有非常專業的設備對較大體積樣本進行分析，得到定量化的夾雜物分類統計結果。對其他類型缺陷的分析和表征也正朝著定量化的方向發展。

或許目前還不能篤定以鋼鐵材料基因來實現所有性能的預測，但是該數據庫的基本結構已初現端倪，有能力通過鋼鐵材料基因的研究設計來預測部分性能，而且隨著研究水平提升和數據積累，鋼鐵材料基因組很有可能成為短期內最有成效的材料基因組工程方向之一。

3 高強馬氏體組織遺傳特征與顯微組織可視化

長期以來，人們對奧氏體、鐵素體、珠光體等組織的描述比較清晰，其晶體結構和界面可以被清晰地表征和認知，但是無論從表征方法還是晶體學特征與性能關聯方面，對貝氏體/馬氏體類型鋼的認知還存在著很大分歧。Morito等人［9,10］對馬氏體板條的形態和晶體學特征做了詳細的定義。馬氏體形態示意圖如圖2所示，平行的馬氏體板條束組成了一個Packet，幾個Packet占據了母相奧氏體的所有區域；Packet是由Block組成的；Block是由更細小的Lath（板條）組成。這些Lath的晶界為小角度晶界，在晶體學上的定義為Sub-block晶界，Block晶界為大角度晶界。通常，將Lath和Block都稱為板條，兩類晶界都成為板條晶界。以上是Packet、Block以及Sub-block的形貌學定義。

圖2 馬氏體板條結構示意圖［9,10］

馬氏體、板條貝氏體與母相奧氏體大多符合K-S 取向關系［10］或 N-W 取向關系［11］，具有切變相變組織的晶體學特征，即新相與母相奧氏體的密排面和密排方向均是平行的。K-S取向關系［10］可表示為：{111}γ//{110}α，＜110＞γ//＜111＞α；N-W 取向關系［11］則表示為：{111}γ//{110}α，＜112＞γ//＜110＞α。

在N-W及K-S關系下，由同一母相奧氏體（原始奧氏體晶粒）轉變來的馬氏體變體共有4個不同的Packet，Packet的定義是具有相同密排面（close-packed plane）的板條束。因為母相FCC（面心立方）具有4個獨立的{111}密排面，形成四個對應晶體學Packet。若BCC（體心立方）變體的{110}面平行于原FCC相中某一個{111}面，則此變體屬于此 {111}面對應的Packet。N-W關系下每個Packet內有3個變體；而K-S關系下每個Packet內有6個變體，見圖3。由同一取向的奧氏體可產生24種不同取向的變體，如表1所示。與之類似，在N-W關系中將產生12種不同取向的變體。

馬氏體的Packet是由相同密排面的板條組成，即一個Packet內部板條的一個（110）面是互相平行的，一共有6種不同的變體（V1～V6），如圖3所示。在同一個Packet內，V1與V4之間為小角度晶界，即Sub-block晶界；V1與其他4個變體之間為大角度晶界，即Block晶界。V1與其他Packet中變體之間的界面為Packet晶界。

圖3 一個Packet內部6個變體的示意圖［12］

馬氏體及板條貝氏體的上述相變產物晶體學遺傳特征的研究成果為高強度海工鋼組織的定量化表征奠定了良好基礎。屈服強度為550 MPa級海工鋼再加熱后，分別以不同冷卻工藝（由800°C冷卻至 500°C的時間分別為8 s、20 s和50 s，即三種冷速：37.5 °C/s、15 °C/s和 6 °C/s）， 獲得的貝氏體組織見圖4、圖5及圖6。其中圖4給出的光學照片和SEM像能清晰呈現不同工藝條件下獲得組織的形貌學特征。圖5、圖6給出了相應形貌學下的晶體學圖像及晶界分布情況，晶體學信息需要通過EBSD獲取。EBSD技術能夠獲得室溫組織的取向、晶粒大小、形貌及織構信息，由于子相與母相間存在特定位向關系，可以借助此種關系對原始奧氏體組織進行回歸［14］。通過研究母相與子相相變過程中的位向關系，選用合適的算法，將高溫母相的取向、形貌、晶界、晶粒尺寸全部回歸，從而為研究各鋼種的高溫母相組織提供一種有效合理的方法。

表1 K-S關系中的24種變體及其他變體與變體V1間界面類型［10,13］

通過EBSD軟件提取出相應圖片的所有晶體學數據信息，即歐拉角。利用MATLAB編程并對單一奧氏體內歐拉數據進行計算，獲得母相奧氏體取向和相變過程母相與子相的平均位向關系，如表2所示。由于貝氏體相變過程中相變應力的調節（高溫的塑性調節和低溫的自調節）會促使其相變的位向關系偏離精確的K-S關系［13］，故利用EBSD獲取的晶體學數據計算實際相變過程的位向關系變得尤為重要，其精確度關系到相變產物的各類晶體學信息（Packet和Block的形貌、晶界長度及尺寸等）的確定。獲取實際相變過程的位向關系后，可以結合EBSD軟件及MATLAB實現：

（1）高溫母相奧氏體的重構及其相變后晶體學Packet、貝恩組或Block和24個變體的可視化；

（2）計算貝氏體/馬氏體相變過程的變體選擇情況，即近似符合K-S關系的24個變體含量或23個變體對（V1/V2-V24）含量；

（3）利用變體對含量精確計算各類晶體學結構單元的晶界長度或尺寸，即Packet、Block、Subblock界面長度或密度，并建立其與材料性能的定量化關系，實現材料在晶體學上的可視化及數字化表征。

圖6 不同冷卻條件下貝氏體晶界分布情況

表2 奧氏體相變過程的位向關系

3.1 重構奧氏體內晶體學Packet和Block可視化

圖 7（a）、7（b）、7（c）為可視化 CP1、CP2、CP3和CP4四個Packet的形貌，而對于貝恩圖7（d）、7（e）、7（f），則采用可視化 B1、B2 和 B3 區形貌。 材料晶體學結構的可視化將有助于更直觀真切地分析相變機制。圖7a顯示，快冷速條件下形成的板條貝氏體其晶體學變體沿著慣習面生長并呈現平行分布狀態。對比相應的貝恩圖7（d）可以發現，每一個CP區包含兩個或者三個貝恩組并呈現交錯式排布結構，而這樣的排列有助于大角度晶界的形成。然而，這種結構排列模式并不適用于低冷速下形成的粒狀貝氏體。圖7（b）顯示，粒狀貝氏體組織中CP組呈現交叉式分布在整個奧氏體晶粒內，意味著CP組內的變體并不再按肩并肩的形式生長。此外，觀察發現來自不同CP組內的變體相遇總是呈現小角度取向關系，而相應的貝恩圖7（e）顯示這些變體都是屬于同一貝恩組，說明主導的貝恩組（顏色較深的兩個貝恩區）形成并導致了較低的大角晶界密度，變體分組模式也隨著冷速的降低由CP分組向貝恩分組模式轉變。

圖7 重構的單一奧氏體內貝氏體的CP和貝恩圖

3.2 變體對的定量化及變體選擇情況

圖8為進一步采用實際位向關系獲得的各類變體間的界面長度（變體對）百分含量。從圖中可以看出，冷卻速率對各類變體間的界面長度均有影響，但對V1/V2變體對，即Block界面的影響最為突出。冷卻速率降低，V1/V2變體對含量降低。此外，研究還發現合金元素（C含量）及原始奧氏體晶粒形態等均對變體選擇機制有較大影響［15-16］，進而決定著材料的各類晶界密度及相應力學性能。

圖8 三種冷速條件下貝氏體變體平均界面長度百分比

3.3 晶體學信息與材料性能的定量化關系

為了將變體界面與沖擊韌性建立一個定量化關系，通過計算進一步獲得了單位面積界面長度，將晶體學的Sub-block、Block以及Packet的單位面積界面長度與-40°C沖擊功匯總如圖9所示。總體來看，總界面長度與沖擊韌性均隨冷速增加而增大。Packet（大取向差或者小取向差）界面長度受冷卻速率影響不明顯，但Block和Sub-block界面隨冷速增大而顯著增加，尤其是Block界面，其變化趨勢基本與沖擊功一致。先前的研究顯示［17-18］，沖擊功與 Packet尺寸相關，而屈服強度與Block尺寸相關。但先前的研究主要是將Packet和Block均定義為由大角晶界構成的封閉區域，這勢必導致其對性能貢獻難以區分。而本研究中，Sub-block、Block和Packet是通過實際相變過程的位向關系和角軸對關系確定的，故其更能精確量化各種晶界對性能的貢獻。圖9結果顯示，沖擊功似乎與Block界面長度 （即Block尺寸）關聯更緊密。這并不是說Packet晶面對沖擊功沒有貢獻，而是因為不同冷速下Packet界面密度基本一致，即Packet界面對三種冷速下沖擊功的貢獻是等效的。因此，利用Block界面長度的變化來解釋沖擊韌性的改變更為科學。單位面積內Block界面長度越大，則Block尺寸越小。

圖9 不同冷速沖擊韌性與單位面積內晶界長度關系

以上分析顯示，冷速是調控相變晶體學產物的重要因素之一，調控外界參數可以有效控制材料的晶體學結構，即通過調控材料的基因來改善材料的最終力學性能。此外，借助EBSD實現材料晶體學大數據的獲取，并結合計算機編程計算可以實現材料性能與晶體學大數據的關聯，有助于材料的智慧設計及服役性能預測。結合以上研究，立方系材料的晶體學結構定量化方法見圖10。

圖10 立方系材料的晶體學結構定量化方法

4 結語

作為一種結構缺陷較為復雜的金屬，鋼鐵材料的基因組工程建設難度將會高于其他材料，但近百年的研究成果為鋼鐵材料基因組的建立提供了堅實的實驗支撐、理論支撐和數據支撐。面對競爭激烈的制造業和快速發展的經濟，必須縮短鋼鐵材料研發周期，快速低成本地解決生產和使用過程中出現的問題，面對鋼鐵材料在下游領域應用需求中的新挑戰。因此，鋼鐵材料基因組工程的建設既是時代需要，又是大勢所趨，不僅需要所有鋼鐵研究工作者的共同努力，更需要政府層面的引領和推動。

致謝感謝中央高?；究蒲袠I務費專項資金資助（FRF-TP-16-035A1）及國家自然科學基金（51371001）。

［1］Pickering F B.Physical metallurgy and the design of steels ［M］.London:Applied Science Publishers，1978.

［2］尹海清，劉國權，姜雪，等.中國材料數據庫與公共服務平臺建設［J］.科技導報，2015（33）：50-59.

［3］王沿東，張哲維，李時磊，等.同步輻射高能X射線衍射在材料研究中的應用進展［J］.中國材料進展，2017（36）：168-174.

［4］王崇愚.多尺度模型及相關分析方法［J］.復雜系統與復雜性科學，2004（1）： 9-19.

［5］肖紀美.合金的能量與過程 ［J］.儀表材料.1980，11： 1-11.

［6］Takahashi J， Ishikawa K， Kawakami K， et al.Atomic-scale study on segregation behavior at austenite grain boundaries in boron and molybdenum-added steels［J］.Acta Materialia，2017（133）：41-54.

［7］黃亞敏，潘春旭.基于電子背散射衍射EBSD技術的材料微區應力應變狀態研究綜述［J］.電子顯微學報，2010（29）：1-11.

［8］Breitbarth E，Zaefferer S，Archie F，et al.Evolution of dislocation patterns inside the plastic zone introduced by fatigue in an aged aluminium alloy AA2024-T3［J］.Materials Science&Engineering.2018（A718）： 345-349.

［9］Kitahara H，Ueji R，Tsuji N，et al.Crystallographic features of lath martensite in low-carbon steel［J］.Acta Materialia，2006（54）：1279-1288.

[10]Morito S，Tanaka H，Konishi R，et al.The morphology and crystallography of lath martensite in Fe-C alloys ［J］.Acta Materialia，2003（51）： 1789-1799.

[11]Kurdjumow G，Sachs G.über den Mechanismus der Stahlh?rtung［J］.Zeitschrift für Physik A Hadrons and Nuclei，1930（64）:325-343.

[12]Nishiyama Z.X-Ray investigation of the mechanism of the transformation from face-centred cubic lattice to body-centred cubic［J］.Sci Rep Tohoku Univ，1934（23）:637-664.

[13]Takayama N，Miyamoto G，Furuhara T.Effects of transformation temperature on variant pairing of bainitic ferrite in low carbon steel［J］.Acta Materialia， 2012（60）:2387-2396.

[14]Miyamoto G，Iwata N，Takayama N，et al.Mapping the parent austenite orientation reconstructed from the orientation of martensite by EBSD and its application to ausformed martensite ［J］.Acta Materialia， 2010（58）： 6393-6403.

[15]Stormvinter A，Miyamoto G，Furuhara T， et al.Effect of carbon content on variant pairing of martensite in Fe-C alloys ［J］.Acta Materialia， 2012（60）， 7265-7274.

[16]Miyamoto G，Iwata N，Takayama N，et al.Quantitative analysis of variant selection in ausformed lath martensite ［J］.Acta Materialia.2012（60）： 1139-1148.

[17]Morito S， Yoshida H， Maki T，et al.Effect of block size on the strength of lath martensite in low carbon steels［J］.Materials Science&Engineering， 2006（A438-440）： 237-240.

[18]Rancel L，Gómez M，Medina S F，et al.Measurement of bainite packet size and its influence on cleavage fracture in a medium carbon bainitic steel［J］.Materials Science&Engineering， 2011（A530）： 21-27.