Nature Portfolio

npj materials degradation近期论文佳作精选

Image
Image

本期npj Materials Degradation的四篇论文,展示了装备长寿命服役中腐蚀机理解析与防护性能提升的最新进展:材料失效方面,揭示了高熵稀土硅酸盐及镍基单晶叶片在高温腐蚀中的关键机制;材料防护方面,从晶界调控到机器学习配方设计,展现了多尺度、多路径协同增强防护性能的思路,为复杂服役条件下材料耐久性优化提供了新视角。

【高熵稀土硅酸盐CMAS腐蚀】CMAS-induced corrosion behavior of high-entropy rare-earth disilicate at 1500°C

高熵稀土硅酸盐因其对CMAS(钙-镁-铝-硅酸盐)侵蚀表现出的优异抵抗能力,近年来被视为航空发动机环境障涂层(EBCs)领域极具应用前景的候选材料。基于此,采用放电等离子烧结技术制备了高熵二硅酸盐。并在1500°C条件下分别进行了1 h、10 h和50 h的CMAS腐蚀实验。结果表明,该材料在腐蚀过程中发生了显著的溶解-再沉积行为,并优先生成连续致密的磷灰石相Ca2Re8(SiO4)6O2反应层。相较于传统的Yb2Si2O7材料,该磷灰石层在阻滞CMAS渗透方面表现出更为显著的效果,从而有效抑制了其与下层焦硅酸盐基体之间的进一步反应与劣化。还揭示了稀土阳离子半径与磷灰石生成动力学之间的相关性,为通过稀土组分设计实现抗 CMAS 腐蚀性能优化提供了重要依据。

Image

图1  1500°C下高熵稀土二硅酸盐的钙-镁-铝-硅酸盐诱导腐蚀行为。

Image

欢迎扫码阅读原文

论文出处:CMAS-induced corrosion behavior of high-entropy rare-earth disilicate at 1500°C | npj Materials Degradation

【镍基单晶热腐蚀】Mixed molten salts hot corrosion behavior of nickelbased single-crystal film-cooling holes under static air at 900°C

围绕镍基单晶涡轮叶片在服役环境中的热腐蚀问题,系统考察了900℃条件下气膜冷却孔区域在三种混合熔盐中的热腐蚀行为,并将其与无孔试样进行了对比分析,发现不同盐体系对材料热腐蚀程度的影响存在显著差异。三种盐组分之间存在明显的协同作用,其中S是主导热腐蚀过程的关键腐蚀性元素,而Cl和V则主要作为促进因素,加速材料的腐蚀损伤。此外,电火花加工在冷却孔周围引起的元素分布变化,会促使该区域在热腐蚀后形成更加稳定的Al2O3保护层,这可能是孔周区域腐蚀程度相对较低的重要原因。该研究揭示了混合熔盐成分及冷却孔加工效应对镍基单晶叶片热腐蚀行为的共同影响,为高温部件的耐蚀设计与服役性能优化提供了依据。

Image

图2  900 °C静态空气环境下镍基单晶气膜冷却孔的混合熔盐热腐蚀行为。

Image

欢迎扫码阅读原文

论文出处:Mixed molten salts hot corrosion behavior of nickelbased single-crystal film-cooling holes under static air at 900°C | npj Materials Degradation

【陶瓷材料】Grain boundary effects on radiation damage and tritium diffusion in Li–Al–O ceramics from molecular dynamics and experiments

在用于产氚可燃吸收棒(TPBAR)的陶瓷材料中,辐照损伤与氚传输行为是关键问题。晶界在此过程中扮演着双重角色:既能影响材料的抗辐照性能,也主导着氚的传输路径。分子动力学模拟结果表明。晶界具有“两面性”:在吸收间隙原子、减轻辐射损伤的同时,也为氚提供了快速迁移通道,这对TPBAR应用中希望有效滞留氚的目标构成了矛盾。该机理认识为未来设计兼具高抗辐照性与适宜氚滞留能力的陶瓷增殖材料提供了重要的微观结构设计依据。

Image

图3  GB与PKA轨迹示意图。

Image

欢迎扫码阅读原文

论文出处:Grain boundary effects on radiation damage and tritium diffusion in Li–Al–O ceramics from molecular dynamics and experiments | npj Materials Degradation

【智能防腐涂层】Novel corrosion protective coating formulations suggested by machine learning of historic test data

当前,有机防护涂层的研发多依赖经验性“技艺”,常需经历反复的配方、试验与测试循环,耗时漫长。由于配方组合随原料数量呈指数增长,而实际可进行的实验有限,高效探索新配方面临巨大挑战。为解决这一问题,研究引入机器学习工具,通过分析现有配方与其实验室性能之间的映射关系,指导原料选择与组合优化。该方法基于一个相对稀疏但偏向高效样本的数据集,并采用抗过拟合的差分进化多目标优化算法。模型最终推荐了两种采用新组合的优化配方。经标准循环盐雾测试验证,这两种新配方在防腐蚀性能上均达到、甚至优于原有参考配方,为涂层的高效、定向研发提供了新路径。

Image

图4  涂层优化工作流程概述

Image

欢迎扫码阅读原文

论文出处:Novel corrosion protective coating formulations suggested by machine learning of historic test data | npj Materials Degradation