基于X射線顯微CT的合金鋼中夾雜物的定量三維表征

摘要：夾雜物對鋼鐵的疲勞強度以及疲勞壽命均會產生影響，但是大塊試樣中的夾雜物情況無法直接用X射線顯微計算機斷層掃描 （X射線顯微CT）進行精確成像。為實現對大塊試樣中夾雜物的三維特征觀察，采用非水溶液電解的方法獲取大塊試樣中的夾雜物，利用掃描電鏡對電解后的夾雜物進行觀察和分析，將夾雜物聚合成為圓柱形樣品，最后采用X射線顯微CT對夾雜物進行三維掃描，得到了大塊試樣中夾雜物的三維信息，并對夾雜物的各項尺寸數據進行統計分析。該研究為獲取大塊鋼鐵試樣中夾雜物的三維形貌提供了新思路。

關鍵詞：夾雜物;顯微計算機斷層掃描;掃描電鏡;非水溶液電解

中圖分類號：TG142.1文獻標志碼：A文章編號：1002-4026（2023）03-0053-07

Abstract∶Inclusions have an impact on the fatigue strength and fatigue life of steel， but inclusions in large samples cannot be accurately imaged using X-ray micro computer tomo-graphy（X-ray micro-CT）. This study provides a novel approach to obtain the three-dimensional morphology of inclusions in large steel samples. To realize the three-dimensional features of inclusions in large alloy samples， this study used a nonaqueous electrolysis method to obtain inclusions; then scanning electron microscopy was performed to observe and analyze the electrolyzed inclusions.Furthermore， the electrolyzed inclusions were aggregated into cylindrical samples and finally scanned with X-ray micro-CT to obtain their three-dimensional information， and the obtained dimensional data of the inclusions were statistically analyzed.

Key words∶inclusions;micro computer tomo-graphy; scanning electron microscopy; nonaqueous electrolysis

40Cr鋼是目前機械制造業使用最廣泛的鋼材之一，經過調質處理之后具有良好的綜合力學性能，應用非常廣泛。但40Cr內部的非金屬夾雜物會對其力學性能產生影響，是影響鋼鐵性能的重要因素[1-2]。例如，鋼的疲勞性能受夾雜物尺寸的影響很大[3-5]。鋼中夾雜物的精確表征是控制夾雜物的前提，因此夾雜物精確表征方法的發展對于控制夾雜物至關重要[6-7]。目前，夾雜物的形狀和尺寸分布可以利用光學顯微鏡和具有能譜分析功能的掃描電子顯微鏡對樣品的橫截面進行分析[8-11]。但是，這些方法只能實現對夾雜物二維特征的分析，不能實現對夾雜物三維特征的精確分析，計算機斷層掃描（computer tomo-graphy，CT）技術可以原位無損地獲得材料內部結構的三維信息，是探查材料內部結構的有效手段。高強鋼中夾雜物的尺寸大多在微米量級，而CT技術的分辨率可以達到亞微米，因此CT技術特別適合于高強鋼中內部夾雜物的研究。利用X射線CT成像技術能夠揭示夾雜物的三維特征[12-15]，是獲得樣品精確三維信息的絕佳方法[15-18]。目前CT技術已經廣泛用于探索試樣內部夾雜物或二次相等結構對于該試樣斷裂行為的影響[19-20]。Murakami等[21]提出夾雜物尺寸對疲勞極限的影響可以用大夾雜物垂直于應力方向的投影面積平方根來表示。Vaara等[22]提出了利用貝葉斯分布推斷潛在非金屬夾雜物分布的新方法。但是這些相關研究都是針對小塊試樣或者光滑試樣，缺乏針對大塊試樣或者其他復雜試樣中夾雜物的相關研究。由于鋼鐵對于X射線的吸收能力很強，穿透大塊鋼鐵試樣需要高能量的X射線，這取決于顯微CT硬件的發展[23]；另一方面，夾雜物尺寸在幾個到幾十微米之間，高能CT的分辨率很難對幾個到幾十個微米之間的夾雜物同時精確成像，這導致大塊試樣中夾雜物的表征成為難點。

本研究針對大塊試樣中的夾雜物無法直接用X射線顯微計算機斷層掃描（X射線顯微CT）精確成像的問題，借助非水溶液電解和顯微CT相結合的方法實現對大塊試樣中夾雜物的精確表征。首先采用非水溶液電解的方法對40Cr進行電解[24]獲得夾雜物，然后利用X射線顯微CT對電解得到的夾雜物進行精確表征，最后利用多種量化參數對40Cr中各類夾雜物的三維特征進行定量表征和統計分析。

1實驗

1.1樣品制備

本研究采用的實驗材料是40Cr鋼，其化學成分如表1所示。實驗中大塊試樣尺寸為12.0 mm×8.0 mm×2.0 mm。電解液為含10%乙酰丙酮+1%四甲基氯化銨（體積分數）的甲醇溶液。實驗過程中首先將40Cr試樣以及做為陰極的金屬網浸入盛有電解液的燒杯中，使電解回路處于接通狀態；然后接通電源，開始電解。電解過程會產生數量較少的絡合物，這些絡合物會粘在40Cr試樣表面，同時電解過程中試樣變小，導致其與電解液的接觸面積減小，這都會導致電解的電流密度減小。但隨著電解實驗的進行，一段時間過后絡合物已經生成，試樣與電解液接觸面積不再發生明顯改變，從而電流密度也不再發生明顯改變。

電解實驗完成之后，首先用磁鐵將電解實驗產生的鐵顆粒除去，這樣電解液中剩余的顆粒大多數為夾雜物。然后使用濾膜過濾電解液中的夾雜物，使夾雜物存留在濾膜上，再將存有夾雜物的濾膜置于玻璃培養皿中，并使用酒精浸泡濾膜。浸泡過后將盛有濾膜的培養皿置于超聲波振蕩器中進行超聲振蕩，夾雜物經過超聲波振蕩就會存留到酒精中，將酒精烘干就能得到實驗所需要的夾雜物。

在完成非水溶液電解實驗之后，首先用掃描電鏡及其配備的能譜儀對試樣中的夾雜物進行檢測，分析試樣中的夾雜物類型，觀察夾雜物的三維形貌特征。圖 1為電解所得夾雜物的形貌及部分區域的能譜分析結果。從圖中可以看出，試樣中夾雜物多為氧化鋁和氮化鈦等夾雜物。

經過掃描電鏡觀察后，下一步將進行非水溶液電解實驗得到夾雜物的三維特征表征。但是因為電解之后獲得的夾雜物在培養皿里，不能直接用X射線顯微CT進行三維掃描，因此需要對夾雜物進行二次制樣。在本研究中，使用雙面膠帶將培養皿中的夾雜物粘出，然后將雙面膠帶制作成圓柱形試樣以便進行CT掃描。

1.2顯微CT表征

本研究采用布魯克Skyscan 2211高分辨率X射線顯微CT，電壓為80 kV，電流85 μA，曝光時間1.25 s，空間分辨率（一個像素尺寸）為 1.79 μm。由于X射線顯微CT圖像中材料的對比度不同由材料的X射線線性衰減系數（linear attenuation coefficients，LACs）決定[25]，為了確定合適的X射線能量范圍、曝光時間，利用XCOM程序計算材料的理論線，該程序由美國國家標準技術研究所組織的標準參考數據庫提供[26]。當材料LACs的相對差異超過10%時，顯微CT可以區分材料的差異[27]。圖 2為Fe基體、氧化鋁、氮化鈦的LACs在1～100 keV的相對差異。從圖中可以看出，當光子能量在1～80 keV之間時，夾雜物與Fe基體的相對差異超過40%，即從理論上顯微CT可以從Fe基體中區分出夾雜物。

圖3為X射線顯微CT的工作原理圖，主要由X射線源、載物臺、X射線影像增強器和電荷耦合器（CCD）攝像機三個部分組成。其工作原理為：X射線顯微CT的光源發射的X射線穿透試樣，由于不同材料的LACs不同，X射線被試樣基體和夾雜物等內部結構部分吸收。然后，樣品后面的CCD相機檢測到剩余X射線的能量，進而生成投影圖像數據[27]。

2實驗結果與討論

2.1成像結果的三維重構

將用雙面膠聚集起來的夾雜物制作成圓柱形試樣，然后進行X射線顯微CT實驗，實驗得到了一系列的試樣切片圖像。在三維重建之前，對含有夾雜物二維形貌的切片進行一系列的圖像濾波處理，以去除干擾信息，提高圖像質量。利用三維處理軟件，在優化的橫截面圖像切片的基礎上，對三維圖像進行了重構。

圖4（a）為夾雜物的CT掃描結果，從圖中可以看出夾雜物的形貌成功實現了重建，各個夾雜物間存在明顯的間隙。圖4（b）～4（d）為經過三維重構后的夾雜物形貌以及單個夾雜物的形貌特征。從圖中夾雜物的形狀可以判斷夾雜物的類型，比如接近球體的氧化鋁夾雜物以及接近正方體的氮化鈦夾雜物。

2.2夾雜物3D形態的定量表征

表 2為一系列用來描述夾雜物三維形貌和結構的形態學參數，比如最小3D費雷特直徑可以描述夾雜物的寬度，通過3D費雷特直徑可以計算得到夾雜物的平均直徑（dave）、夾雜物體積（V）和夾雜物表面積（S）等信息。進而利用平均直徑、夾雜物體積和夾雜物表面積可以計算得到夾雜物的形狀因子（φ）、等效直徑（Deq）和分形維數（Df）等參數。

3.3夾雜物尺寸統計分析

受X射線顯微CT圖像分辨率的限制，尺寸較小的夾雜物的形貌難以很好地重建，因此在本研究中忽略等效直徑小于2.00 μm的夾雜物顆粒。根據統計，試樣中共有465個夾雜物，借助等效費雷特直徑等參數對這些夾雜物進行了統計分析。試樣中夾雜物的等效直徑分布如圖5所示。從圖中可以看出等效直徑峰值出現在6.00～7.00 μm的范圍內，這代表大部分夾雜物體積較小。圖6為夾雜物形狀因子的分布圖，可以看出形狀因子在0.80～1.00的范圍內夾雜物所占比例最大，這表明大夾雜物大部分只是稍微偏離球體，但并未完全偏離球體。形狀因子大于1.00表明夾雜物顆粒開始向棱角的直方體過度，其中較小的可能接近長方體顆粒，而形狀因子更大的夾雜物則對應于團聚的團簇。

圖7為夾雜物粒子平均和最大分形維數的分布圖，可以看出平均分形維數峰值出現在2.50左右，最大分形維數峰值出現在2.70左右，這表明大多數夾雜物都不是球體，與規則的球體有一定偏差。

3結論

本研究針對大塊試樣中夾雜物無法用X射線顯微CT進行三維掃描的問題，采取非水溶液電解的實驗方法首先獲得大塊40Cr試樣中的夾雜物，然后用雙面膠將夾雜物粘出，制成可以用CT進行掃描的圓柱形試樣，進而得出如下結論：

（1）采用非水溶液電解方法和X射線顯微CT成像技術，可以實現大塊鋼鐵試樣中內部夾雜物的精確成像。

（2）X射線顯微CT掃描與掃描電鏡微區成分分析結果表明，大塊40Cr試樣中夾雜物主要為氧化鋁、氮化鈦夾雜物。

（3）通過對大塊鋼鐵試樣中內部夾雜物的等效直徑、形狀因子、分形維數等參數的統計分析，可以得出大塊試樣中夾雜物特征尺寸的分布規律。

參考文獻：

［1］GUPTA A， GOYAL S， PADMANABHAN K A， et al. Inclusions in steel： Micro-macro modelling approach to analyse the effects of inclusions on the properties of steel[J]. The International Journal of Advanced Manufacturing Technology， 2015， 77（1）： 565-572. DOI： 10.1007/s00170-014-6464-5.

[2]SCHMIEDT A B， DICKERT H H， BLECK W， et al. Evaluation of maximum non-metallic inclusion sizes in engineering steels by fitting a generalized extreme value distribution based on vectors of largest observations[J]. Acta Materialia， 2015， 95： 1-9. DOI： 10.1016/j.actamat.2015.05.013.

[3]PINEAU A， FOREST S. Effects of inclusions on the very high cycle fatigue behaviour of steels[J]. Fatigue amp; Fracture of Engineering Materials amp; Structures， 2017， 40（11）： 1694-1707. DOI： 10.1111/ffe.12649.

[4]TOFIQUE M W， BERGSTRM J， BURMAN C. Very high cycle fatigue of cold rolled stainless steels， crack initiation and formation of the fine granular area[J]. International Journal of Fatigue， 2017， 100： 238-250. DOI： 10.1016/j.ijfatigue.2017.03.037.

[5]EL KHOUKHI D， MOREL F， SAINTIER N， et al. Probabilistic modeling of the size effect and scatter in High Cycle Fatigue using a Monte-Carlo approach： Role of the defect population in cast aluminum alloys[J]. International Journal of Fatigue， 2021， 147： 106177. DOI： 10.1016/j.ijfatigue.2021.106177.

[6]FRANCESCHINI A， RUBY-MEYER F， MIDROIT F， et al. An assessment of cleanliness techniques for low alloyed steel grades[J]. Metallurgical Research amp; Technology， 2019， 116（5）： 509. DOI： 10.1051/metal/2018128.

[7]WANG Y， KARASEV A， JNSSON P G. Comparison of nonmetallic inclusion characteristics in metal samples using 2D and 3D methods[J]. Steel Research International， 2020， 91（7）： 1900669. DOI： 10.1002/srin.201900669.

[8]TIAN C， LIU J H， LU H C， et al. Estimation of maximum inclusion by statistics of extreme values method in bearing steel[J]. Journal of Iron and Steel Research， International， 2017， 24（11）： 1131-1136. DOI： 10.1016/S1006-706X（17）30164-4.

[9]VAARA J， VNTNEN M， KMRINEN P， et al. Bayesian analysis of critical fatigue failure sources[J].International Journal of Fatigue， 2020， 130： 105282. DOI： 10.1016/j.ijfatigue.2019.105282.

[10]KUMAR D， NUHFER N T， FERREIRA M E， et al.Application of plasma FIB to analyze a single oxide inclusion in steel[J]. Metallurgical and Materials Transactions B， 2019， 50（3）： 1124-1127. DOI： 10.1007/s11663-019-01555-7.

[11]LI T， SHIMASAKI S I， TANIGUCHI S， et al. Reliability of inclusion statistics in steel by stereological methods[J]. ISIJ International， 2016， 56（9）： 1625-1633. DOI： 10.2355/isijinternational.isijint-2016-269.

[12]YOSHINAKA F， NAKAMURA T， TAKEUCHI A， et al. Initiation and growth behaviour of small internal fatigue cracks in Ti-6Al-4V via synchrotron radiation microcomputed tomography[J]. Fatigue amp; Fracture of Engineering Materials amp; Structures， 2019， 42（9）： 2093-2105. DOI： 10.1111/ffe.13085.

[13]STINON A， FAZEKAS A， BUFFIRE J Y， et al. A new methodology based on X-ray micro-tomo-graphy to estimate stress concentrations around inclusions in high strength steels[J]. Materials Science and Engineering： A， 2009， 513/514： 376-383. DOI： 10.1016/j.msea.2009.02.008.

[14]LI T， SHIMASAKI S I， TANIGUCHI S， et al. Morphology of nonmetallic-inclusion clusters observed in molten metal by X-ray micro-computed tomography （CT）[J].ISIJ International， 2013， 53（11）： 1943-1952. DOI： 10.2355/isijinternational.53.1943.

[15]CUI L X， LEI X H， ZHANG L F， et al.Three-dimensional characterization of defects in continuous casting blooms of heavy rail steel using X-ray computed tomography[J]. Metallurgical and Materials Transactions B， 2021， 52（4）： 2327-2340. DOI： 10.1007/s11663-021-02172-z.

[16]YAN J C， LI T， SHANG Z Q， et al. Three-dimensional characterization of MnS inclusions in steel during rolling process[J]. Materials Characterization， 2019， 158： 109944. DOI： 10.1016/j.matchar.2019.109944.

[17]GU C， LU Y， LUO A A. Three-dimensional visualization and quantification of microporosity in aluminum castings by X-ray micro-computed tomography[J]. Journal of Materials Science amp; Technology， 2021， 65： 99-107. DOI： 10.1016/j.jmst.2020.03.088.

[18]CHENG M， LU Z G， WU J， et al. Effect of thermal induced porosity on high-cycle fatigue and very high-cycle fatigue behaviors of hot-isostatic-pressed Ti-6Al-4V powder components[J]. Journal of Materials Science amp; Technology， 2022， 98： 177-185. DOI： 10.1016/j.jmst.2021.04.066.

[19]WANG C， LIU X G， GUI J T， et al. Influence of inclusions on matrix deformation and fracture behavior based on Gurson-Tvergaard-Needleman damage model[J]. Materials Science and Engineering： A， 2019， 756： 405-416. DOI： 10.1016/j.msea.2019.04.056.

[20]WANG Y， KARASEV A， JNSSON P G. Comparison of nonmetallic inclusion characteristics in metal samples using 2D and 3D methods[J]. Steel Research International， 2020， 91（7）： 1900669. DOI： 10.1002/srin.201900669.

[21]MURAKAMI Y， NOMOTO T， UEDA T， et al. On the mechanism of fatigue failure in the superlong life regime （Ngt;107 cycles）. Part 1： Influence of hydrogen trapped by inclusions[J]. Fatigue amp; Fracture of Engineering Materials and Structures， 2000， 23（11）： 893-902. DOI： 10.1046/j.1460-2695.2000.00328.x.

[22]VAARA J， VNTNEN M， KMRINEN P， et al. Bayesian analysis of critical fatigue failure sources[J]. International Journal of Fatigue， 2020， 130： 105282. DOI： 10.1016/j.ijfatigue.2019.105282.

[23]楊文， 張立峰， 任英， 等. 利用高分辨同步輻射Micro-CT定量三維表征含Ti鐵素體不銹鋼鑄坯中氧化物夾雜[J]. 金屬學報， 2016， 52（2）： 217-223. DOI： 10.11900/0412.1961.2015.00226

[24]喬萬兵， 肖夢旋， 劉鵬，等. 低碳鋼中夾雜物的非水溶液電解分析[J]. 冶金工程， 2019， 6（2）： 98-105.DOI：10.12677/meng.2019.62014.

[25]LI T， SHIMASAKI S I， TANIGUCHI S， et al. Three-dimensional observation of nonmetallic inclusion clusters in solid metal by X-ray micro-CT[J]. ISIJ International， 2016， 56（11）： 1989-1995. DOI： 10.2355/isijinternational.isijint-2016-218.

[26]SAYYED M I， AKMAN F， GEIBESLER I H， et al. Measurement of mass attenuation coefficients， effective atomic numbers， and electron densities for different parts of medicinal aromatic plants in low-energy region[J]. Nuclear Science and Techniques， 2018， 29（10）： 144. DOI： 10.1007/s41365-018-0475-0.

[27]SHANG Z Q， LI T， YANG S F， et al. Three-dimensional characterization of typical inclusions in steel by X-ray Micro-CT[J]. Journal of Materials Research and Technology， 2020， 9（3）： 3686-3698. DOI： 10.1016/j.jmrt.2020.01.106.