2021 Fiscal Year Annual Research Report

Development of 2500MPa-class ultra-high-performance hypereutectoid steel: elucidation of the origins for strength and ductility

Research Project

Project/Area Number	21H01652
Research Institution	Nagoya Institute of Technology
Principal Investigator	萩原幸司名古屋工業大学, 工学(系)研究科(研究院), 教授 (10346182)
Project Period (FY)	2021-04-01 – 2024-03-31
Keywords	鉄鋼材料 / 超高強度 / 延性 / 靭性 / 組織制御
Outline of Annual Research Achievements	本研究の目的は我々が開発した高強度鋼の社会普及に向け必要不可欠な，高強度化・延性発現機構の裏付け，すなわちメカニズムの理論的解明である．この目標達成に向け本年度行った研究の概要，成果は以下のようにまとめられる．＊これまでに我々が独自開発したFe-0.7C-2.0Cr-0.25V(mass%)基本合金系をベースとし，主構成元素であるC, Cr, V量を変化させた数種の鋼材，さらに新たにNb, TiB, Al, Siなどを微量添加した鋼材を作製し，その力学特性を室温引張試験，シャルピー試験により評価した．この結果，各鋼材の特性は我々がGBA，FMと命名した最終熱処理条件に依存してそれぞれ異なる特性を示すことが見出され，各鋼材に対し最適な熱処理条件がそれぞれ存在することが見出された．最適な条件を選択することで，多くの鋼材で100 J/cm2以上のシャルピー衝撃値，2000 MPa以上の最大強度を引き出せることが明らかとなった．ただし，適切な熱処理を選択しないと特性が出ない鋼材種が存在することも同時に見出され，Nb, Tiといった元素添加により新たに形成される炭化物の形態，特性，分布制御が極めて重要であることが示唆された．＊放電加工による引張試験片作製の際，オイル中，水中の違いにより破断伸びが変化することが見出され，水素脆化が破断伸びに大きな影響を及ぼしていることが明確に示唆された．ただしここで大変興味深いことに，この水素脆化の程度は，上述の各鋼材組成，また引張ひずみ速度により，その程度が大きく変化することが見出された．この挙動変化を系統的にまとめることにより，水素脆化の発現機構解明，またその抑制が合金組成，組織制御により達成され得る期待が新たに見出され，現在更なる検討を進めている．
Current Status of Research Progress	Current Status of Research Progress 1: Research has progressed more than it was originally planned. Reason 上述のように，当初の研究計画に従い，遅延なく，むしろ加速的に研究が着実に進捗しつつある．例えば，次年度以降に予定していた低温焼戻し熱処理による力学特性変化についても既に評価されつつある．これら得られた多くの力学データの支配因子を解明すべく，ニューラルネットワークを用いた機械学習の実施についても，その予備検討を既に前倒しにて完了しており，更なる実験データの蓄積により，本件等についても来年度以降具体的に検討を進める準備が着実に整っている．
Strategy for Future Research Activity	上述のように各鋼材の力学特性がわずかな組成変化，熱処理変化により劇的に変化することが見出され，その起源が内部組織変化にあることが明確化されつつある．この点を踏まえ，本年度は具体的に以下のような研究を推進する．＊シャルピー試験，引張試験における破断面の詳細観察をSEMにより行い，破壊挙動と内部組織，特に炭化物の種類，分布との相関を明らかにする．＊上述の炭化物の解析について，TEM観察（組成分析を含む），SEM-EPMA解析を行うことにより，より精緻な解明を目指す．＊初年度の研究より，水素脆化挙動が鋼材種により大きく異なることが示唆された．このことは組織に依存して水素のトラップ挙動が大きく変化している可能性を示唆している．この点についてさらに明らかにすべく，最終焼入温度制御や焼戻熱処理等を通じた組織変化，炭化物形状制御が力学特性に与える影響についても検討する．＊これまでの実験解析により得られた組織学的パラメータ，さらにThermo-Calcにより導出される計算状態図情報と，力学特性(引張強度，延性，破壊靭性等)の相関について，ニューラルネットワーク法に基づく機械学習による検討を進める．