火花放电原位统计分布分析技术(Original Position Statistic Distribution Analysis,OPA)通过对大尺寸金属构件表面进行连续扫描激发,获得元素成分的二维分布图像。将离散的火花时序数据准确重构为空间连续的成分分布图,是图像质量与定量准确性的关键环节。传统数据处理方法,如直接平均法在网格化过程中,将每个激发斑点内所有火花的强度取平均值后赋给该斑点覆盖的所有网格单元,这一操作虽实现了数据到空间的转换,却消除了火花信号固有的统计涨落,改变了原始数据的统计分布特征,导致图像呈现规则的块状棋盘格伪影。本文基于火花放电的物理原理——单火花在激发斑点内的落点具有随机性与独立性、单火花强度信号服从统计涨落规律,提出了一种数据网格化随机映射方法。该方法的网格步距由激发斑点直径、扫描速度和激发频率等硬件参数天然决定,使得每个激发斑点覆盖的正方形网格单元数恰好等于其内含的单火花数,从而实现火花数据与网格单元的精确一一对应和随机不重复映射。本文以GCr15轴承钢连铸方坯纵截面样品为例,将随机映射网格化方法与直接平均法进行了对比,并以X射线荧光光谱(XRF)扫描图像作为独立参考进行定性对照分析。结果表明:本文方法生成的成分分布图像平滑自然、无块状棋盘格伪影;处理后元素的平均值、标准偏差及偏析度等统计量与原始火花数据完全一致;与XRF图像在宏观偏析形态上具有一致的带状分布趋势。本文方法为OPA技术提供了一种符合物理实际、统计保真度的标准化数据重构方案。
针对高铁动车组车轮大尺寸范围内非金属夹杂物难以实现全域定量表征的问题,本文提出一种基于原位统计分布分析的高通量方法—广义帕累托及正态分布(Generalized Pareto after Normal Distribution,GPAND)解析方法。在单火花光谱原位分析技术基础上,该方法构建了正态函数与广义帕累托分布(GPD)的复合模型,对光谱强度的相对频数分布进行分峰拟合,从而将固溶信号与夹杂信号有效分离。进一步结合扫描电子显微镜(SEM)与极值理论,建立了夹杂物等效圆直径(ECD)与光谱强度之间的定量关系,由此实现对超大尺寸高铁车轮钢中夹杂物的空间位置、粒度等关键参数的原位、定量与统计分布表征。将GPAND方法应用于W1与W2两种不同厂家的高铁车轮,分别分析其轮毂及轮辋部位的Al系夹杂物与MnS夹杂物。结果显示:W1车轮中Al系夹杂物的总数低于W2,而MnS夹杂物总数则高于W2。尤其在轮辋部位,W1车轮尽管含有更多3 μm以下的Al系夹杂物,但大颗粒脆性Al系夹杂物较少。这一特征与W1车轮所采用的特殊冶炼工艺高度吻合——该工艺促使MnS有效包裹Al系夹杂物。现有分析技术仅能获取有限测试区域内的宏观统计结果,无法提供全域空间位置及粒度分布信息,GPAND方法弥补了上述不足。它不仅完善了车轮夹杂物质量评价体系,也为高铁车轮的服役安全评估、冶炼工艺优化及夹杂物控制提供了可靠的实验与理论支撑。该方法的适用性还可拓展至其他高端钢铁或合金构件的洁净度评价与工艺验证。