JMRT | CoFeLDH涂层使AZ31镁合金腐蚀电流密度降至8.4×10⁻⁹ A/cm²，较PEO降3个数量级
2026-09-04 16:45:30
作者：Metals Letters 来源：Metals Letters
分享至：
本文系统研究了二价阳离子工程对等离子体电解氧化（PEO）涂层AZ31镁合金表面层状双氢氧化物（LDH）涂层防腐性能的影响，并结合机器学习进行了数据驱动分析。镁合金因其轻质高比强度在汽车、电子和航空航天领域具有广阔应用前景，但较差的耐腐蚀性严重制约了其工程应用。PEO技术可在镁合金表面生成陶瓷氧化层，但其固有孔隙为腐蚀介质提供了渗透通道。本团队在PEO涂层上通过水热法分别生长了含Co、Ni、Zn三种二价阳离子的铁基LDH（CoFeLDH、NiFeLDH、ZnFeLDH），系统表征了其微观形貌、物相组成和电化学性能。结果表明，CoFeLDH具有最致密的纳米片结构，在3.5 wt% NaCl溶液中腐蚀电流密度低至8.4×10⁻⁹ A/cm²，腐蚀电位为-0.251 V，较PEO涂层（2.7×10⁻⁶ A/cm²，-0.545 V）降低了约三个数量级。ZnFeLDH和NiFeLDH也显著提升了耐蚀性，但效果依次递减。XRD显示CoFeLDH的层间距（0.789 nm）大于ZnFeLDH（0.783 nm）和NiFeLDH（0.775 nm），与其离子半径顺序一致（Co²⁺>Zn²⁺>Ni²⁺）。EIS拟合表明CoFeLDH具有最高的顶层电阻（R_top）和内层电阻（R_i），192小时长期浸泡后仍保持较高阻抗。此外，随机森林机器学习模型对腐蚀电流密度的预测R²达0.9758，SHAP分析确认R_p、E_corr和涂层类型为最关键预测参数，展示了机器学习作为腐蚀研究辅助工具的应用潜力。
原文共有图12，本文图片选自原文中图1、2、3、4、9、11。
图1：展示了CoFeLDH、NiFeLDH和ZnFeLDH在PEO涂层表面制备过程的示意图。PEO涂层先通过等离子体电解氧化在AZ31镁合金表面形成多孔陶瓷层，随后分别置于含Co²⁺、Ni²⁺或Zn²⁺与Fe³⁺的溶液中，经水热处理（393 K，24 h）在PEO表面原位生长LDH纳米片层。
图2：展示了PEO涂层及三种LDH涂层的SEM表面形貌及EDS能谱。PEO涂层呈现典型的多孔结构；CoFeLDH表面被致密堆积的纳米片完全覆盖，孔隙被有效封闭；NiFeLDH呈细长较稀疏的纳米片；ZnFeLDH呈均匀致密但略逊于CoFeLDH的纳米片结构。EDS确认各涂层中Co、Ni、Zn分别成功掺入。
图3：展示了PEO及三种LDH涂层的EDS元素面分布图。PEO涂层中Mg、O、Na、K、P均匀分布；CoFeLDH、NiFeLDH和ZnFeLDH中，Co/Ni/Zn与Fe均均匀分布，验证了各元素在LDH结构中的成功掺入。
图4：展示了PEO及三种LDH涂层的截面SEM图像及EDS面分布。PEO涂层呈双层结构（多孔外层+致密内层），厚度约5.6 μm；LDH涂层在PEO表面形成薄顶层，厚度增至约6.1 μm，有效封闭了PEO孔隙。EDS确认各元素在涂层中均匀分布。
图9：展示了CoFeLDH、NiFeLDH和ZnFeLDH三种涂层在3.5 wt% NaCl溶液中的防腐机理示意图。CoFeLDH因致密纳米片结构形成有效物理屏障，并通过层间NO₃⁻与Cl⁻的离子交换捕获氯离子；NiFeLDH和ZnFeLDH的离子交换效率和致密性依次降低，防腐性能相应递减。
图11：展示了机器学习模型中各电化学参数之间的Pearson相关系数热图。腐蚀电流密度（i_corr）与极化电阻（R_p）和腐蚀电位（E_corr）呈反相关，E_corr与涂层类型呈中等正相关（0.61），各参数间关系与电化学理论预期一致，验证了模型对关键电化学关系的捕捉能力。
本文系统研究了二价阳离子（Co²⁺、Ni²⁺、Zn²⁺）对PEO涂层AZ31镁合金表面LDH涂层防腐性能的影响。CoFeLDH具有最致密纳米片结构，腐蚀电流密度低至8.4×10⁻⁹ A/cm²，较PEO涂层降低约三个数量级，腐蚀电位正移至-0.251 V。XRD显示CoFeLDH层间距最大（0.789 nm），与其离子半径（Co²⁺>Zn²⁺>Ni²⁺）一致。EIS证实CoFeLDH具有最高极化电阻（1.16×10⁸ Ω·cm²）和长期稳定性（192 h后仍保持高阻抗）。防腐机制归因于致密物理屏障与层间NO₃⁻/Cl⁻离子交换的协同效应。随机森林机器学习模型对i_corr预测R²达0.9758，SHAP分析确认R_p、E_corr和涂层类型为最关键预测参数，展示了机器学习在腐蚀研究中作为辅助工具的潜力。
免责声明：本网站所转载的文字、图片与视频资料版权归原创作者所有，如果涉及侵权，请第一时间联系本网删除。
