腐蝕具有普遍性、隱蔽性、漸進性和不可控性等特征，在造成材料失效的同時還可能引發猝不及防的災難性事故，嚴重影響人民群眾的生命財產安全。

充分利用已有腐蝕數據分析材料腐蝕的影響因素、預測材料在不同環境及服役時間下的腐蝕發展規律，為工程設備部件的結構設計提供合理防腐蝕建議，從而降低設備后續的防腐蝕投入是目前防腐蝕研究的重點。

計算機和數據庫技術的發展為腐蝕數據的管理利用提供了高效快捷的操作途徑，國內外相繼建立了一些腐蝕數據庫，實現了腐蝕數據的智能存儲和展示查詢，部分數據庫兼具腐蝕預測和腐蝕案例分析等功能，但是眾多的腐蝕數據庫在應用中存在著例如數據結構不一致導致共享性差、數據服務功能單一等缺點。

大數據技術、云存儲和數據挖掘技術的興起為腐蝕數據庫的架構優化和功能提升提供了新的思路，也為未來腐蝕數據庫在新產品研發的材料選型、在役設備的精準防腐蝕和工程構件的壽命預測等的發展提供了技術保障。

腐蝕數據庫的起源

材料腐蝕行為是材料在其服役環境中發生的，所以腐蝕數據和環境性質是緊密關聯的，由于大多數工程設備部件直接暴露在大氣中，因此大氣環境造成的腐蝕損害占比很大。

腐蝕數據積累的一般方法是在典型大氣環境中建立暴露腐蝕試驗站，制備多種材料試樣進行長期掛件試驗，定期回收試樣稱量并計算相關腐蝕數據。

國外腐蝕數據的戶外積累開始于20世紀初，美國材料試驗學會于1906年建立了材料大氣腐蝕試驗網，并開始了大規模的材料自然環境暴露試驗；1946年，前蘇聯組建了首批8個大氣暴露試驗站；20世紀50年代，日本在各工業部門先后設立了20多個大氣腐蝕試驗站；根據英國中央電力局關于大氣環境因素對供電系統鋼結構設施腐蝕的調查，英國有關部門于1965年12月至1966年6月組織了以鋅金屬罐制品為試驗樣品的大氣曝露腐蝕試驗，并對3182個測量點進行了觀測記錄，獲得了英國大氣腐蝕性地圖；1988-1994年包括南北美洲和歐洲在內的14個國家參與的伊比利亞-美洲大氣腐蝕圖（MICAT）工程，建立了75個大氣腐蝕網絡試驗站，深入研究低碳鋼、鋅、銅和鋁等四種材料的大氣腐蝕機理，并繪制伊比利亞-美洲地區大氣腐蝕性圖。

據不完全統計，目前世界上已有數十個國家在熱帶、寒帶、沙漠等不同環境條件下建立了400多個大氣腐蝕試驗站。

我國材料自然環境腐蝕數據的積累工作開始于1950年左右，原機械工業部在海南、新疆、云南等地建立了典型環境試驗站，此后國家材料環境腐蝕試驗站牽頭遴選、整合建成了30余個國家級野外試驗站（其中包含16個大氣環境腐蝕試驗站、7個水環境腐蝕試驗站和9個土壤環境腐蝕試驗站）和分布式腐蝕大數據觀測試驗站，長期開展典型環境中材料腐蝕試驗與數據積累工作；1979-1982年，武漢材料保護研究所將7萬多個金屬試樣（包括22種碳鋼、低合金鋼、不銹鋼、28種有色金屬）投放在試驗站進行長期研究，獲得眾多實際環境中的腐蝕數據；國內研制了一些智能大氣腐蝕檢測儀，實地監測大氣腐蝕數據，實現了數據的動態獲取、自動存儲和實時分析。

我國材料大氣腐蝕數據積累工作有兩大優勢：一是國家統一規劃部署，相關研究單位聯合支持共建；二是我國幅員遼闊，氣候類型復雜多樣，可以獲取多種自然環境中的材料腐蝕數據。

國內外腐蝕數據庫的發展現狀

由于種類繁多的材料類型和失效形式、漫長復雜的腐蝕過程、緊密關聯的不可控環境因素，材料腐蝕數據繁雜無章，如何對腐蝕數據進行高效管理利用是數據收集的價值所在。

以計算機和數據庫技術的發展普及為界限，數據管理分為手冊管理和數據庫管理兩個階段。腐蝕本質上就是材料的腐蝕，因此腐蝕數據庫的開發利用跟材料數據庫的發展密不可分，有些綜合性材料數據庫包含了腐蝕性能子庫。

國外腐蝕數據庫發展現狀

20世紀70年代中期，美國、日本、西歐等工業發達國家率先展開材料數據庫的研發工作，隨著美國1987年在費城召開第一屆國際材料數據庫會議，各國展開了國家或國際范圍的數據庫聯合開發項目。

美國于1996年創建的MatWeb綜合材料數據庫，包含ABS樹脂聚合物性能數據、縮醛樹脂工程性能數據、鋁合金、復合材料、銅合金等11大類材料的性能信息，共98000條數據記錄，另外，美國國家標準與技術局（NIST）還建有WebSCD、WebHTS、MPD數據庫，提供在線數據檢索以及數據評估功能。

德國化學工程及生物技術協會開發的DECHEMA數據庫是世界上數據量最大、應用最廣泛和最權威的化工材料數據庫，能夠為腐蝕領域各行業部門提供專業的材料腐蝕數據。

歐洲聚變材料性能在線數據庫的數據來源為歐洲核聚變計劃，包含原始試驗數據、專家組鑒定數據、加工材料特性數據以及相關電子報告等。系統架構使用J2EE技術和PostgreSQL關系數據庫，具有數據下載、瀏覽、檢索以及提交等多種功能。

日本國立材料科學研究院整合建立的NIMS在線材料數據庫，涵蓋聚合物、金屬材料、無機非金屬材料、復合材料以及擴散等內容，包括8個材料基本性能數據庫、5個在線結構材料數據表、4個數據庫應用系統及3個工程應用數據庫，提供新材料研發、材料性能預測與評估、對比選材等基礎數據。

印度甘地原子研究中心（IGCAR）整合了印度研究院所和高校的材料科學數據，構建在線材料數據庫IMDB，提供關于材料力學性能、腐蝕性能、無損評估、熱、光性能等數據服務。

國內腐蝕數據庫發展現狀

我國于1986年10月在北京召開了第一次全國材料數據庫會議，并在國際數據委員會（CODATA）中國全國委員會的領導下成立了材料數據組，開始研發一系列不同類別的材料數據庫。與此同時，國內腐蝕領域的專家學者們開始了腐蝕數據庫的建設工作。

歷經30余年的發展，我國先后建立起了20多個腐蝕數據庫，包含9個主體腐蝕數據及其他子數據庫。部分高校也聯合企業開展了腐蝕數據庫的針對性研究，例如大連海事大學的船舶腐蝕防護數據庫，湖北工業大學的飛機在大氣環境中的腐蝕監測系統。

目前，國內已建成的典型數據庫有：北京科技大學的材料環境腐蝕網絡數據庫系統、中國海洋大學的海水腐蝕查詢數據庫、天津大學的金屬材料海洋環境腐蝕數據咨詢管理和預測診斷系統、北京化工大學的網絡版材料腐蝕數據庫。

各數據庫系統除了均具有腐蝕數據庫的一般共性，即包括材料性能、環境數據、腐蝕情況和數據源等基礎數據，又兼具各自的特點。

北京科技大學的材料環境腐蝕網絡數據庫系統是目前國內數據存量最大、材料品種最全、門戶網站開放性最高的系統，該系統整合了國家級材料環境腐蝕防護平臺30余個野外試驗站積累的腐蝕數據，涵蓋了黑色金屬、有色金屬、建筑材料、涂鍍層材料及高分子材料等5大類600余種材料長達35年的野外試驗數據和連續觀測數據，建成了包括試驗站基本信息、環境數據測試、材料檢測、材料腐蝕數據測試、腐蝕圖譜等5大類43種類型數據表的自然環境腐蝕數據庫和13個專題腐蝕數據庫，開發了門戶網站“中國腐蝕與防護網”。

中國海洋大學的海水腐蝕查詢數據庫以海洋環境中3C，A3，16Mn，10MnPNbRe，10CrMoAl，D36六種海洋工程常用鋼的10200組數據為數據源，提出了一種結合使用自組織特征映射（SOM）網絡和徑向基函數（RBF）的組合人工神經網絡模型預測海水腐蝕速率的方法。

天津大學的金屬材料海洋環境腐蝕數據咨詢管理和預測診斷系統的源數據為青島、廈門、榆林和舟山實海暴露的19種金屬材料，該系統的突出功能是腐蝕預測和腐蝕形貌圖像診斷。腐蝕預測功能通過神經網絡預測和綜合預測模塊預測材料在其他海域的腐蝕情況，腐蝕形貌圖像診斷是對腐蝕圖像采用濾波和模糊增強的方法進行預處理后結合模糊模式識別理論判斷金屬材料的腐蝕形態。

北京化工大學的網絡版材料腐蝕數據庫貯存近100種常用非金屬材料、金屬材料在1000種腐蝕介質中近十萬條的腐蝕基礎數據，是對原有多個單機版材料腐蝕數據庫的整合和升級改造，提供了比較完備的數據查詢和選材決策等功能。

經過多年的運作，各研究單位建成的腐蝕數據庫也正在逐步完善和智能化，當前國內外較完備的材料數據庫采用在線管理，并為外部機構提供有償服務。商業化運作模式間接推動了數據庫的全面快速發展和數據的有效應用，為國家和企業工程建設選材及腐蝕評估、材料腐蝕的科學研究等提供了有效的數據支撐。

國內腐蝕數據庫的階段特征

伴隨著計算機軟硬件和數據庫技術的革新發展，國內腐蝕數據庫系統在創建30多年以來無論在技術架構上還是業務功能方面都取得了明顯的改進。

從建立至今，腐蝕數據庫的發展可以大致分為以下三個階段：

1 單機版腐蝕數據庫

20世紀90年代左右最初建立的一批腐蝕數據庫基本上都是單機版數據庫，數據庫管理系統為當時主流的dBase和Foxbase，系統具備數據查詢檢索、數據庫維護管理、數據打印和數據庫字典等數據庫的基本功能，涵蓋數據包括自然環境腐蝕數據和腐蝕相關文獻資料等信息，數據單位牌號等標準規范，庫結構設計合理實用。

典型代表有北京科技大學屈祖玉等開發的材料自然環境腐蝕數據庫、中國科學院金屬腐蝕與防護研究所李洪錫等開發的大氣腐蝕數據庫管理系統和北京有色金屬研究總院林樂耘等開發的有色金屬海水腐蝕數據庫等。

2 網絡版腐蝕數據庫

2000年以后，各研究機構陸續對原有單機版材料腐蝕數據庫進行技術改造，開啟基于網絡的B/S架構數據庫應用系統開發。

數據庫管理系統一般選用SQL Server或者Oracle等，動態網頁技術通常采用JSP或者ASP，網絡版數據庫實現了材料環境腐蝕數據的共享，擴大了腐蝕數據的推廣范圍，數據庫功能在增刪改查等基礎功能上增加了腐蝕預測和腐蝕特征識別等。

例如蕭以德等開發的網絡版材料腐蝕防護查詢系統和董超芳等在屈祖玉單機版腐蝕數據庫基礎上改進的有色金屬大氣腐蝕網絡數據庫及共享系統等。

3 智能化腐蝕數據庫

2011年6月年美國提出“材料基因組計劃”（MGI），發展“理性設計-高效實驗-大數據技術”深度融合、協同創新的新型材料研發模式，提高數據庫的智能共享設計，為腐蝕數據庫的功能拓展提供了新的思路。

大數據技術的興起和流行使得數據存儲開始采用面向列的非關系型分布式存儲系統HBase，數據操作系統普遍采用分布式計算架構Hadoop，鑒于該架構的遲滯性缺陷，實時數據高效分析處理功能往往借助Spark Streaming框架和Storm框架來實現。

數據挖掘技術、大數據技術提供的多因素、多場景、多緯度的數據分析模型和工具，極大地提高了腐蝕數據挖掘深度和數據利用價值，促進了腐蝕數據庫在數據預測和材料選型決策方面的研究。

例如青島科技大學袁森等開發的海洋工程腐蝕大數據預測可視化平臺、中國石油大學孫浩等開發的基于大數據的油氣管道腐蝕診斷與預測和北京科技大學支元杰等開發的在大氣環境中金屬材料腐蝕的數據驅動預測模型。

材料腐蝕數據庫的發展趨勢

目前已建成的腐蝕數據庫系統主要由SQL查詢數據庫、Web客戶端數據瀏覽和數據挖掘與分析三部分組成，大多數腐蝕數據庫是為科學研究提供基礎數據查詢的關系型數據庫。

腐蝕數據庫在與多媒體和人工智能技術的融合建設方面取得了一定的進展，數據庫技術、大數據技術和數據挖掘技術的發展為未來材料腐蝕數據庫在數據管理和功能建設上提供了新的思路和發展方向。

通過分布式數據庫技術進行腐蝕數據的管理。分布式數據庫系統利用高速計算機網絡將分散存儲在多個計算機設備上的數據組成邏輯上統一的數據庫，解決了高可擴展性、高并發性、海量非結構化數據存儲等難題，其鍵值存儲方式使得數據的訪問更加靈活高效，而網絡式分布存儲又提高了數據安全的防御性能。材料腐蝕數據繁雜無章且數據龐大，大量的非結構化數據給傳統的集中式存儲管理帶來了極大困擾，而分布式存儲技術正好解決了這一難題。

建立數據倉庫，結合人工智能提高數據庫決策服務能力。材料腐蝕數據一般具有來源途徑廣、累積時間長、數據量大且形式多樣和固定疊加增長等特點。數據倉庫特有的資料存儲架構，面向主題支持決策分析的優勢，結合聯機分析處理技術和數據挖掘技術，可以極大地提高腐蝕數據的預處理存儲和信息挖掘功能。

人工智能的邏輯判斷推理能力與數據倉庫高效的數據處理能力優勢互補，融合材料基因工程的理念，通過材料高效計算、高通量試驗、大數據等共性關鍵技術及裝備，構建“計算、實驗、數據庫”三大基礎創新平臺，為新材料的研發和工程化應用提供決策性建議。