今年我们三人(Stuart Wright, Scott Lindeman和我)庆祝我们在EDAX的EBSD部门的20周年。我实在很幸运这么早就参予到EBSD的商业化过程中,很荣幸见证到它的发展壮大过程,不管是作为用户还是作为应用人员。
然而我们面前仍然有这么多的挑战。其中一个就是区分钢中的铁素体和马氏体。这两相很难区分,因为马氏体的晶体结构只与体心立方的铁素体有轻微不同,而且这不同程度还依赖于碳含量及热处理过程:这就使直接从晶体结构来区分这两相非常困难。由于马氏体相产生伴随着较多的应变,所以相区分的工作通常使用IQ作为关键因素来加以区分[1-2]。
当新功能被开发出来时,很高兴看到这些功能被应用,也很期待除了最初预见的那些,这些功能还有什么新的用处。一个例子就是Neighbor Pattern Averaging and Reindexing ( NPAR)。NPAR能通过将花样与其所有相邻的花样进行平均,提高EBSD花样的信噪比,如图1所示。NPAR最初是为标定一位客户的噪点很多的花样而开发的一种方法,但随即我们发觉这种方法有很多好处,能应用于很多不同材料及不同的SEM操作条件。更多细节能在稍早的一篇博客里找到:http://edaxblog.com/2015/09/。
图 2a. | 图 2b. |
图 3a. | 图 3b. |
可以看出,NPAR处理还有另一个作用:通过提高信噪比,花样条带检测更精确,NPAR处理可以提高取向精度。由于这个作用,NPAR处理之后,每个马氏体晶粒的平均取向(这里由KAM表示)更低。图3显示了NPAR处理之前和之后的KAM值。尽管NPAR处理提高了标定率和取向精度,它降低了KAM值,使得相的区分不那么有效。我认为,NPAR促进了一种间接的相区分手段而没有提升另一种,正好显示了相区分是一个很有挑战的问题。
最后,尽管NPAR的确有很多提高,但我们仍然没有找到一个完善的解决办法来区分铁素体-马氏体。我很期待,随着EBSD产品的进一步发展,我们继续研究解决这个以及其它的表征难题。
[1] Wilson, A. W., J. D. Madison and G. Spanos (2001). “Determining phase volume fraction in steels by electron backscattered diffraction.” Scripta Materialia 45(12): 1335-1340.
[2] Nowell, M. M., S. I. Wright and J. O. Carpenter (2009). A Practical investigation into Identifying and Differentiating Phases in Steel Using Electron Backscatter Diffraction. Materials Processing and Texture. A. D. Rollett. Hoboken, NJ, John Wiley & Sons: 285-292.
To learn more about NPAR click here to see our video overview.