Ai赋能材料——————————————————
文
章
信
息

原文标题:Revealing size effect for plastic deformation of nanocrystalline NiTi SMA at moderate temperature by combining CPFEM with experiment
标题翻译:结合CPFEM与实验揭示纳米晶NiTi形状记忆合金中温塑性变形的尺寸效应
通讯作者单位:太原理工大学,材料科学与工程学院,先进金属复合材料成形技术与装备教育部工程研究中心,太原,030024,中国
文献分析工具:科应全球文献AI平台(www. scienceing. com)
文
章
导
读

本文通过结合晶体塑性有限元方法与实验,系统研究了纳米晶Ni₅₀.₇Ti₄₉.₃形状记忆合金在400°C中温塑性变形过程中的尺寸效应和微观机制。研究采用局部包套压缩(50%压下量)结合450°C不同时间(4、8、12小时)退火处理,获得了平均晶粒尺寸分别为66.7 nm、88.2 nm和98.5 nm的纳米晶B2奥氏体NiTi SMA样品。基于实验结果构建了三种晶粒尺寸的代表性体积单元模型(300×300×300 nm³,晶粒数分别为161、68、48),并采用基于机制的应变梯度晶体塑性模型进行单轴压缩CPFEM模拟,其中基于Peach-Koehler力引入了几何必要位错密度,Taylor硬化律中同时考虑了统计存储位错和GND的贡献。模拟结果与实验吻合良好。研究发现,随着晶粒尺寸从98.54 nm减小至66.75 nm,屈服强度从约1280 MPa提高至约1370 MPa,符合Hall-Petch关系。晶界强化(贡献约800-930 MPa)主导了尺寸效应,位错强化(贡献约365-432 MPa)次之。随变形度增加(10%→30%),{111}<uvw> γ纤维织构逐渐增强,SSD密度从约4×10¹⁵ m⁻²增至约9×10¹⁵ m⁻²,而GND密度从约5×10¹⁵ m⁻²降至约1.5×10¹⁵ m⁻²。塑性应变梯度和高位错密度诱导了晶粒旋转,导致平均晶界取向差减小并激活额外滑移系,从而使GND密度下降、SSD密度上升。{110}<111>滑移系对塑性应变贡献最大,{110}<100>次之,{010}<100>最小。
图
文
解
读
原文共有图19,本文图片选自原文中图1、2、3、8、12、18。

图1展示了Ni₅₀.₇Ti₄₉.₃ SMA经局部包套压缩和450°C退火4、8、12小时后的TEM明场像。随着退火时间增加,晶粒尺寸逐渐增大。经统计测量,退火4小时样品平均晶粒尺寸66.7 nm,8小时样品88.2 nm,12小时样品98.5 nm。

图2展示了用于CPFEM模拟的纳米晶Ni₅₀.₇Ti₄₉.₃ SMA单轴压缩RVE模型。模型尺寸均为300×300×300 nm³。图2(a)为66.75 nm-NiTi模型(161个晶粒),图2(b)为88.23 nm-NiTi模型(68个晶粒),图2(c)为98.54 nm-NiTi模型(48个晶粒)。

图3展示了三个RVE模型的初始织构极图。图3(a)为66.75 nm-NiTi模型,图3(b)为88.23 nm-NiTi模型,图3(c)为98.54 nm-NiTi模型。极图显示初始织构为随机分布。

图8展示了66.75 nm-NiTi模型在不同变形度(10%、20%、30%)下的织构演化。图8(a)为反极图,图8(b)为极图。随着变形度增加,(001)极密度逐渐减小,(111)极密度逐渐增大,表明形成了强γ纤维织构{111}<uvw>。

图12展示了66.75 nm-NiTi模型在不同变形度(5%、10%、15%、20%、30%)下的SSD密度、GND密度和Schmid因子分布。SSD和GND在晶界处积累,低Schmid因子晶粒具有更高的GND密度。No. 64晶粒(平均Schmid因子0.285)的GND密度为3.67×10¹⁵ m⁻²,高于No. 52晶粒(Schmid因子0.447)的2.55×10¹⁵ m⁻²。

图18展示了三个RVE模型中代表性单个晶粒在不同变形度(6%、10%、20%、30%)下的GND密度分布。图18(a)为66.75 nm-NiTi模型的No. 75晶粒,图18(b)为88.23 nm-NiTi模型的No. 65晶粒,图18(c)为98.54 nm-NiTi模型的No. 26晶粒。从晶界到晶内存在显著的GND密度梯度,随变形增加梯度逐渐减弱,并观察到晶粒旋转。
文
章
总
结
本文得出以下主要结论:纳米晶Ni₅₀.₇Ti₄₉.₃ SMA在400°C中温塑性变形中表现出显著的尺寸效应,屈服强度随晶粒尺寸减小而增大(66.75 nm样品~1370 MPa vs 98.54 nm样品~1280 MPa),符合Hall-Petch关系;晶界强化(贡献约800-930 MPa)是尺寸效应的主导机制,位错强化(贡献约365-432 MPa)次之;基于MSGCP的CPFEM模型成功整合了SSD和GND密度,模拟结果与实验吻合良好;随变形度增加(10%→30%),{111}<uvw> γ纤维织构逐渐增强,SSD密度从约4×10¹⁵ m⁻²增至约9×10¹⁵ m⁻²,而GND密度从约5×10¹⁵ m⁻²降至约1.5×10¹⁵ m⁻²;塑性应变梯度和高位错密度诱导晶粒旋转,导致平均晶界取向差减小并激活额外滑移系以适应变形,从而使GND密度下降、SSD密度上升;三种滑移系中,{110}<111>对塑性应变贡献最大,{110}<100>次之,{010}<100>最小。
点击左下角可阅读原文
【Nature重磅】康奈尔大学/马克斯·普朗克固体化学物理研究所:应变工程双层镍酸盐薄膜中的结构修饰
西安工程大学 & 西北工业大学 | JMST:形变工程化多维磁电耦合凝胶网络实现 9.44 GHz 超宽频电磁波吸收
【计算】顶刊Adv. Sci.|北航孙志梅/祝令刚/周健团队:AI与多尺度计算协同解析二维多组元过渡金属硫族化合物短程有序起源及材料性能调控
【AI+碳材料前沿】堆叠集成机器学习框架赋能热解生物炭逆向定制与工艺参数优化,精准增效污水处理反硝化脱氮效能(PSEP IF=7.8)
来源:Metals Letters
注:本公众号秉持学术交流宗旨,所推送内容仅供学习研讨,非商业用途。诚邀材料与人工智能领域的专家学者赐稿,分享“AI+材料”前沿研究成果!本平台对转载、分享的内容、陈述及观点保持中立,不对其准确性、可靠性或完整性提供任何明示或暗示的保证,读者请自行判断并参考,平台不因此承担任何责任。声明:公众号所发布的所有内容(包括文字、图片、视频等)来源于网络或用户投稿,版权归原作者所有。如涉及版权问题,我们将及时处理。
投稿邮箱:ai_materials@163.com
微信群聊:Ai+材料科研交流群
加群方式:添加微信(FC13296996229),备注:单位-姓名-研究方向,审核后邀请入群
编辑备注:2026.05.04 春博士成长营


公众号丨AI赋能材料
编辑丨春博士


(chunboshi)
编辑部信息

READING BOOKS



微信号丨曜忞
微信号丨FC13296996229