图 1. 球形标定过程示意图,实验EBSD花样被反投影到理论菊池球球体上,与模拟的master pattern匹配标定,以提高标定性能。
球形标定算法
前沿的 EDAX 球形标定*算法通过使用master pattern模拟对实验收集的 EBSD 花样进行标定,从而提供卓越的结果。
- 与传统的基于霍夫变换标定法相比,具有更好的标定性能
- 将重新标定的速度提高到 >10,000 pps
- 与NPAR™配合使用时,可提高EBSD花样的信噪比
- OIM Analysis 集成简化了对球形标定功能的访问
- 兼容透射菊池衍射(TKD)以提高空间分辨率
*需要使用运行驱动程序 452.39 或更高版本的 NVIDIA GPU 卡(支持 CUDA 运行版本 11.7 或更高版本)
图2. 变形铝合金的球形标定表现与传统基于霍夫标定算法和NPAR方法的比较。通过将球形标定和NPAR相组合可以解析尽可能多的视野,更大限度地提高标定成功率(如括号中所示)。
图3. 使用OIM Matrix,通过动力学模拟的菊池花样:(上)Cr23C6, (中)TiN,和(下)钢铁材料里的Sigma相。
真实的EBSD花样模拟
- 使用动力学衍射效应和前向建模来准确预测EBSD花样中的散射和衍射强度
- 轻松将实验花样与动力学模拟花样进行比较
- 内置超过 280 种物相通过计算得到的master pattern,可实现即时模拟
- 使用晶体结构和原子占位信息模拟其它晶体
图4. 喷丸钛合金的球形标定解析率提升效果。与传统的标定算法结果相比,球形标定增加了具有颜色的取向测量结果,减少了黑色零解,这表明球形标定现在可以可靠地测量未解析点的取向。数据致谢来自NSTDA Characterization and Testing Service Center 的 Mr. Prathompoom Newyawong。
字典算法
取向优化
- 提高了表征变形材料的取向精度
- 实现<0.01°取向精度分辨率
- 解决了伪对称标定的伪影
自动结构文件优化
- 自动创建和优化传统三条带组标定算法的的反射带列表
- 让新材料的表征分析更容易
图5. NMC锂离子电池正极材料的标定和晶粒表征结果的提升。使用传统标定的晶粒内斑点通过球形标定消除。数据由伦敦帝国理工学院的 Siyan Wang 博士提供。
资源
产品公告
实验简报
提示和技巧