疲勞失效是材料工程學科中一個重要的關注點，它極大地影響到重要承重的結構件的設計可靠性，是決定材料使用壽命的關鍵因素。拉伸應力發生在彎曲金屬絲的外半徑上，壓縮應力發生在彎曲的內半徑處，反轉彎曲可以逆轉壓縮應力和拉應力。當一遍又一遍地重復時，這樣的應力集中會導致微裂紋。如果應力繼續存在，裂紋就會擴大，而且由于裂紋很小，可能很少或沒有可見的警告，結果可能是不可預測的金屬疲勞失效。因此，疲勞引起的失效具有復雜性和不可預測的性質，特別在極端應用當中，疲勞失效帶來的危害尤其明顯。

近日中科院金屬所潘慶松研究員和盧磊研究員應邀在國際頂級期刊《Nature Materials》發表了題為“Fatigue in metals and alloys”的綜述，下面小編參考該文章并結合相關知識對金屬疲勞及其研究現狀進行介紹。

材料/零部件在一定的循環應力或循環應變（即交變載荷）的作用下逐漸產生的永久性累積損傷，經過一定周次的循環后產生疲勞裂紋或突然發生斷裂的過程，稱為疲勞破壞失效。盡管在這個過程中材料受到的應力可能未超過材料所能承受的強度極限值，但在多次循環的載荷作用下使材料內部微觀結構發生破壞，促使疲勞破壞。

在航空航天、汽車、醫療和土木工程等行業中，金屬部件通常會暴露在交變載荷下，產生應力累積損傷微觀結構。隨著時間的推移，這種暴露會引發疲勞裂紋的萌生和擴展，導致突然和災難性的失效。例如：

• 橋梁中的鋼索、橫梁等承重件，起重機的吊臂等發生疲勞斷裂將導致坍塌，致使人員傷亡。

• 一些反應釜和高壓管道等壓力容器中疲勞裂紋的產生可能引發容器爆炸。

• 飛機起落架、發動機葉片、汽車傳動軸等發生疲勞失效后將會引發交通事故等危害。

另外，疲勞失效對社會經濟上的影響也是巨大的，它在經濟上占工業化國家年國民生產總值的相當大的一部分，包括導致了設備的維修、事故的賠償以及生產中斷帶來的經濟影響。

相對而言，循環疲勞分析比拉伸試驗更加復雜和耗時，這種復雜性促使工程師們探索能否使用各種材料的已統計的數據，例如從簡單的單軸拉伸性能來可靠地預測疲勞抗力。在過去的幾十年里，研究人員對于材料的特性進行了大量的研究，尤其是研究抗拉強度（UTS）如何影響純金屬、合金材料和高熵合金的疲勞行為。

在特定的金屬或合金體系中，疲勞強度通常伴隨著UTS的增加而成比例增加。這一比例很大程度上是由于塑性變形抗力的提升，即隨著UTS的增加，位錯運動受到限制。但在大多數材料中，當UTS超過特定閾值時疲勞極限將處于停滯狀態甚至降低。因此，僅依靠拉伸強度來預測疲勞失效是不可靠的，需要其他方法來更準確地評估材料的抗疲勞性能。

疲勞強度與拉伸性能之間的關系

疲勞強度和疲勞壽命是評估材料抗疲勞性能的兩個關鍵概念。不同的材料具有不同的疲勞強度，測試人員將在不同的循環載荷下測試多個相同的試樣來確定材料的疲勞強度，直到它們斷裂，然后將數據點繪制在圖表上以確定材料的疲勞極限。疲勞壽命是指樣品在特定條件下發生故障之前可以承受負載的周期，而S-N曲線是描述材料在不同應力水平下的疲勞強度與疲勞壽命之間關系的曲線圖。

應力和應變控制下的疲勞壽命

金屬疲勞的環境因素通常可以分為腐蝕疲勞、高溫疲勞、低溫疲勞等，高溫合金在的高溫疲勞通常會包括蠕變和疲勞相互作用、氧化損傷和微觀組織演變，而室溫疲勞僅由塑性主導。疲勞損傷通常開始在晶界或氧化表面產生，疲勞抗力由材料的顯微組織穩定性、蠕變強度和抗氧化性決定。例如，高溫合金在長時間高溫疲勞下，排列良好的立方γ′（Ni3Al）納米晶迅速變粗并伴隨著相界面處的位錯積累，從而導致析出強度顯著降低。

合金的疲勞機制

在環境因素上，如航空發動機中的氧氣和氫氣或海軍應用中含氯化物的海水，它們在腐蝕疲勞、應力腐蝕開裂、氧化疲勞和氫脆等機制下會顯著加劇疲勞損傷。這些影響促進了材料中應力和應變的局部化并加速了裂紋的萌生和擴展。此外，工程組件還面臨著復雜的疲勞條件，例如不對稱應力，多軸應力等。

① 材料設計和制備的創新

合金設計的一個進步是多組分高熵合金的發展，一些高熵合金也表現出與傳統結構材料相當的疲勞性能，特別是基于CrCoNi系統的合金。例如，NASA GRX-810是一種專為極端環境設計的氧化分散強化鎳鉻合金，具有優異的高溫蠕變性能和耐低溫損傷。在制備方式上，通過3D打印制備的高熵合金和材料，它們在如多軸載荷和環境暴露的復雜使用條件下的抗疲勞性能已經成為一個研究熱點。

② 微觀結構設計和制造的創新

空間非均質結構的工程設計，特別是通過空間梯度設計，為循環應變離域開辟了新的途徑。梯度結構的可調性（包括其結構成分和分布特征）為調整其疲勞性能提供了多種途徑。此外如層壓，夾層，域污染和諧波結構等異質結構的抗疲勞性能也是重要的方向。它們的關鍵挑戰在于設計和精確控制多個長度尺度的材料結構，以及調控異質結構的程度和分布以實現目標疲勞性能。

具有各種微觀結構的純Cu的疲勞機制

③ 預測建模和數據驅動方法

Basquin和Coffin-Manson方程長期以來一直是預測材料在循環荷載下壽命的標準方法，但它們在很大程度上仍然是經驗的。模擬和數據驅動的方法大大加快了材料的設計和分析，通過實驗和模擬數據訓練的機器學習模型越來越多地用于揭示結構-疲勞特性關系并指導材料設計。將多尺度實驗與計算工具、機器學習和人工智能相結合，對于未來抗疲勞材料的設計至關重要。