疲劳失效是材料工程学科中一个重要的关注点，它极大地影响到重要承重的结构件的设计可靠性，是决定材料使用寿命的关键因素。拉伸应力发生在弯曲金属丝的外半径上，压缩应力发生在弯曲的内半径处，反转弯曲可以逆转压缩应力和拉应力。当一遍又一遍地重复时，这样的应力集中会导致微裂纹。如果应力继续存在，裂纹就会扩大，而且由于裂纹很小，可能很少或没有可见的警告，结果可能是不可预测的金属疲劳失效。因此，疲劳引起的失效具有复杂性和不可预测的性质，特别在极端应用当中，疲劳失效带来的危害尤其明显。

近日中科院金属所潘庆松研究员和卢磊研究员应邀在国际顶级期刊《Nature Materials》发表了题为“Fatigue in metals and alloys”的综述，下面小编参考该文章并结合相关知识对金属疲劳及其研究现状进行介绍。

材料/零部件在一定的循环应力或循环应变（即交变载荷）的作用下逐渐产生的永久性累积损伤，经过一定周次的循环后产生疲劳裂纹或突然发生断裂的过程，称为疲劳破坏失效。尽管在这个过程中材料受到的应力可能未超过材料所能承受的强度极限值，但在多次循环的载荷作用下使材料内部微观结构发生破坏，促使疲劳破坏。

在航空航天、汽车、医疗和土木工程等行业中，金属部件通常会暴露在交变载荷下，产生应力累积损伤微观结构。随着时间的推移，这种暴露会引发疲劳裂纹的萌生和扩展，导致突然和灾难性的失效。例如：

• 桥梁中的钢索、横梁等承重件，起重机的吊臂等发生疲劳断裂将导致坍塌，致使人员伤亡。

• 一些反应釜和高压管道等压力容器中疲劳裂纹的产生可能引发容器爆炸。

• 飞机起落架、发动机叶片、汽车传动轴等发生疲劳失效后将会引发交通事故等危害。

另外，疲劳失效对社会经济上的影响也是巨大的，它在经济上占工业化国家年国民生产总值的相当大的一部分，包括导致了设备的维修、事故的赔偿以及生产中断带来的经济影响。

相对而言，循环疲劳分析比拉伸试验更加复杂和耗时，这种复杂性促使工程师们探索能否使用各种材料的已统计的数据，例如从简单的单轴拉伸性能来可靠地预测疲劳抗力。在过去的几十年里，研究人员对于材料的特性进行了大量的研究，尤其是研究抗拉强度（UTS）如何影响纯金属、合金材料和高熵合金的疲劳行为。

在特定的金属或合金体系中，疲劳强度通常伴随着UTS的增加而成比例增加。这一比例很大程度上是由于塑性变形抗力的提升，即随着UTS的增加，位错运动受到限制。但在大多数材料中，当UTS超过特定阈值时疲劳极限将处于停滞状态甚至降低。因此，仅依靠拉伸强度来预测疲劳失效是不可靠的，需要其他方法来更准确地评估材料的抗疲劳性能。

疲劳强度与拉伸性能之间的关系

疲劳强度和疲劳寿命是评估材料抗疲劳性能的两个关键概念。不同的材料具有不同的疲劳强度，测试人员将在不同的循环载荷下测试多个相同的试样来确定材料的疲劳强度，直到它们断裂，然后将数据点绘制在图表上以确定材料的疲劳极限。疲劳寿命是指样品在特定条件下发生故障之前可以承受负载的周期，而S-N曲线是描述材料在不同应力水平下的疲劳强度与疲劳寿命之间关系的曲线图。

应力和应变控制下的疲劳寿命

金属疲劳的环境因素通常可以分为腐蚀疲劳、高温疲劳、低温疲劳等，高温合金在的高温疲劳通常会包括蠕变和疲劳相互作用、氧化损伤和微观组织演变，而室温疲劳仅由塑性主导。疲劳损伤通常开始在晶界或氧化表面产生，疲劳抗力由材料的显微组织稳定性、蠕变强度和抗氧化性决定。例如，高温合金在长时间高温疲劳下，排列良好的立方γ′（Ni3Al）纳米晶迅速变粗并伴随着相界面处的位错积累，从而导致析出强度显著降低。

合金的疲劳机制

在环境因素上，如航空发动机中的氧气和氢气或海军应用中含氯化物的海水，它们在腐蚀疲劳、应力腐蚀开裂、氧化疲劳和氢脆等机制下会显著加剧疲劳损伤。这些影响促进了材料中应力和应变的局部化并加速了裂纹的萌生和扩展。此外，工程组件还面临着复杂的疲劳条件，例如不对称应力，多轴应力等。

① 材料设计和制备的创新

合金设计的一个进步是多组分高熵合金的发展，一些高熵合金也表现出与传统结构材料相当的疲劳性能，特别是基于CrCoNi系统的合金。例如，NASA GRX-810是一种专为极端环境设计的氧化分散强化镍铬合金，具有优异的高温蠕变性能和耐低温损伤。在制备方式上，通过3D打印制备的高熵合金和材料，它们在如多轴载荷和环境暴露的复杂使用条件下的抗疲劳性能已经成为一个研究热点。

② 微观结构设计和制造的创新

空间非均质结构的工程设计，特别是通过空间梯度设计，为循环应变离域开辟了新的途径。梯度结构的可调性（包括其结构成分和分布特征）为调整其疲劳性能提供了多种途径。此外如层压，夹层，域污染和谐波结构等异质结构的抗疲劳性能也是重要的方向。它们的关键挑战在于设计和精确控制多个长度尺度的材料结构，以及调控异质结构的程度和分布以实现目标疲劳性能。

具有各种微观结构的纯Cu的疲劳机制

③ 预测建模和数据驱动方法

Basquin和Coffin-Manson方程长期以来一直是预测材料在循环荷载下寿命的标准方法，但它们在很大程度上仍然是经验的。模拟和数据驱动的方法大大加快了材料的设计和分析，通过实验和模拟数据训练的机器学习模型越来越多地用于揭示结构-疲劳特性关系并指导材料设计。将多尺度实验与计算工具、机器学习和人工智能相结合，对于未来抗疲劳材料的设计至关重要。