[论文解读] Automated Identification of Slip System Activity Fields from Digital Image Correlation Data

Tijmen Vermeij, R.H.J. Peerlings+2 more|arXiv (Cornell University)|Jul 26, 2022

Orthopedic Infections and Treatments被引用 4

一句话总结

本文提出SSLIP，一种新颖的框架，可从SEM-DIC位移梯度数据中自动、全场识别滑移系活动。通过在每个数据点求解局部优化问题，将实测运动学与理论滑移系运动学相匹配，SSLIP能够稳健识别离散、弥散及交叉滑移机制——即使在多达48个滑移系的情况下亦然——并在HCP、FCC和BCC金属中通过虚拟与实验案例研究得到高精度验证。

ABSTRACT

Crystallographic slip system identification methods are widely employed to characterize the fine scale deformation of metals. While powerful, they usually rely on the occurrence of discrete slip bands with clear slip traces and can struggle when complex mechanisms such as cross-slip, curved slip, diffuse slip and/or intersecting slip occur. This paper proposes a novel slip system identification framework, termed SSLIP (for Slip Systems based Local Identification of Plasticity), in which the measured displacement gradient fields (from Digital Image Correlation) are locally matched to the kinematics of one or multiple combined theoretical slip systems, based on the measured crystal orientations. To identify the amounts of slip that conforms to the measured kinematics, an optimization problem is solved for every datapoint individually, resulting in a slip activity field for every considered slip system. The identification framework is demonstrated and validated on an HCP virtual experiment, for discrete and diffuse slip, incorporating 24 slip systems. Experimental case studies on FCC and BCC metals show how full-field identification of discrete slip, diffuse slip and cross-slip becomes feasible, even when considering 48 slip systems for BCC. Moreover, the methodology is extended into a dedicated cross-slip identification method, which directly yields the orientation of the local slip plane trace orientation, purely based on the measured kinematics and on one or two chosen slip directions. For even more challenging cases revealing a persistent uncertainty in the slip identification, a two-step identification approach can be employed, as is demonstrated on a highly challenging HCP virtual experiment.

研究动机与目标

• 解决现有滑移系识别方法的局限性，这些方法依赖于清晰的离散滑移痕迹，在复杂变形机制（如弥散滑移、交叉滑移和弯曲滑移）下失效。
• 开发一种方法，实现多个滑移系的全场滑移活动量化，即使滑移特征因空间分辨率有限而无法肉眼分辨。
• 通过直接从运动学数据确定局部滑移面迹线方向，扩展识别能力以涵盖交叉滑移。
• 为高度复杂的重叠滑移系情况提供稳健解决方案，此时标准识别方法变得欠定且模糊。
• 实现与额外数据源（如3D DIC和原位EBSD）的集成，以在复杂实验条件下提升准确性和鲁棒性。

提出的方法

• 该方法以SEM-DIC测得的位移梯度张量为输入，结合EBSD提供的晶体学取向数据，定义候选滑移系的理论运动学。
• 对每个数据点，求解一个优化问题，通过最小化实测与预测位移梯度之间的差异，确定每个候选滑移系的滑移活动（幅值）。
• 该优化基于理论滑移系运动学的线性组合，每个滑移系的滑移活动场在每个点上独立计算。
• 引入专门的交叉滑移识别扩展模块，固定已知滑移方向，通过替代优化方案直接识别滑移面迹线方向。
• 对于滑移系重叠的复杂情况，采用两步法：首先识别主导的单滑移区域，然后仅基于这些区域执行完整的多滑移识别。
• 该框架对缺失数据（如大变形区域）具有鲁棒性，且可扩展以整合来自数字高度相关（Digital Height Correlation）的3D位移梯度或来自原位EBSD的晶格旋转数据。

实验结果

研究问题

• RQ1 在传统方法依赖可见滑移痕迹但失效的弥散、重叠或弯曲滑移情况下，能否准确识别滑移系活动？
• RQ2 如何直接从位移梯度数据中识别交叉滑移，而无需预先知晓滑移面？
• RQ3 当多个滑移系同时激活时，该方法的性能如何，特别是在高对称性的复杂HCP材料中？
• RQ4 该方法能否扩展以包含3D位移数据或晶格旋转信息，以提升识别准确性？
• RQ5 在高度复杂的滑移场景中，如何解决欠定识别问题，而不会引入偏差或误差？

主要发现

• SSLIP框架在包含离散与弥散滑移的虚拟HCP实验中，成功识别出多达24个滑移系的滑移活动场，即使在加入实验噪声后仍保持高精度。
• 在实验性FCC Ni基高温合金中，SSLIP正确解析了复杂机制，包括离散滑移、弥散滑移、交叉滑移和重叠滑移，间接通过孤立滑移带得到验证。
• 对于BCC铁素体单晶，SSLIP利用同时激活的48个滑移系准确识别出弥散滑移，证实了该方法在高自由度系统中的能力。
• 专门设计的交叉滑移识别模块在虚拟HCP案例中正确确定了局部滑移面迹线方向，验证了其解析非平行滑移面几何结构的能力。
• 在包含四个重叠滑移系的高挑战性HCP案例中，两步识别方法（首先识别主导单滑移区域）成功获得正确解，克服了欠定优化的局限性。
• 该方法对缺失DIC数据（如大应变区域）保持鲁棒性，且可通过整合3D DIC或原位EBSD等额外数据源进一步提升准确性。