腐蚀具有普遍性、隐蔽性、渐进性和不可控性等特征，在造成材料失效的同时还可能引发猝不及防的灾难性事故，严重影响人民群众的生命财产安全。

充分利用已有腐蚀数据分析材料腐蚀的影响因素、预测材料在不同环境及服役时间下的腐蚀发展规律，为工程设备部件的结构设计提供合理防腐蚀建议，从而降低设备后续的防腐蚀投入是目前防腐蚀研究的重点。

计算机和数据库技术的发展为腐蚀数据的管理利用提供了高效快捷的操作途径，国内外相继建立了一些腐蚀数据库，实现了腐蚀数据的智能存储和展示查询，部分数据库兼具腐蚀预测和腐蚀案例分析等功能，但是众多的腐蚀数据库在应用中存在着例如数据结构不一致导致共享性差、数据服务功能单一等缺点。

大数据技术、云存储和数据挖掘技术的兴起为腐蚀数据库的架构优化和功能提升提供了新的思路，也为未来腐蚀数据库在新产品研发的材料选型、在役设备的精准防腐蚀和工程构件的寿命预测等的发展提供了技术保障。

腐蚀数据库的起源

材料腐蚀行为是材料在其服役环境中发生的，所以腐蚀数据和环境性质是紧密关联的，由于大多数工程设备部件直接暴露在大气中，因此大气环境造成的腐蚀损害占比很大。

腐蚀数据积累的一般方法是在典型大气环境中建立暴露腐蚀试验站，制备多种材料试样进行长期挂件试验，定期回收试样称量并计算相关腐蚀数据。

国外腐蚀数据的户外积累开始于20世纪初，美国材料试验学会于1906年建立了材料大气腐蚀试验网，并开始了大规模的材料自然环境暴露试验；1946年，前苏联组建了首批8个大气暴露试验站；20世纪50年代，日本在各工业部门先后设立了20多个大气腐蚀试验站；根据英国中央电力局关于大气环境因素对供电系统钢结构设施腐蚀的调查，英国有关部门于1965年12月至1966年6月组织了以锌金属罐制品为试验样品的大气曝露腐蚀试验，并对3182个测量点进行了观测记录，获得了英国大气腐蚀性地图；1988-1994年包括南北美洲和欧洲在内的14个国家参与的伊比利亚-美洲大气腐蚀图（MICAT）工程，建立了75个大气腐蚀网络试验站，深入研究低碳钢、锌、铜和铝等四种材料的大气腐蚀机理，并绘制伊比利亚-美洲地区大气腐蚀性图。

据不完全统计，目前世界上已有数十个国家在热带、寒带、沙漠等不同环境条件下建立了400多个大气腐蚀试验站。

我国材料自然环境腐蚀数据的积累工作开始于1950年左右，原机械工业部在海南、新疆、云南等地建立了典型环境试验站，此后国家材料环境腐蚀试验站牵头遴选、整合建成了30余个国家级野外试验站（其中包含16个大气环境腐蚀试验站、7个水环境腐蚀试验站和9个土壤环境腐蚀试验站）和分布式腐蚀大数据观测试验站，长期开展典型环境中材料腐蚀试验与数据积累工作；1979-1982年，武汉材料保护研究所将7万多个金属试样（包括22种碳钢、低合金钢、不锈钢、28种有色金属）投放在试验站进行长期研究，获得众多实际环境中的腐蚀数据；国内研制了一些智能大气腐蚀检测仪，实地监测大气腐蚀数据，实现了数据的动态获取、自动存储和实时分析。

我国材料大气腐蚀数据积累工作有两大优势：一是国家统一规划部署，相关研究单位联合支持共建；二是我国幅员辽阔，气候类型复杂多样，可以获取多种自然环境中的材料腐蚀数据。

国内外腐蚀数据库的发展现状

由于种类繁多的材料类型和失效形式、漫长复杂的腐蚀过程、紧密关联的不可控环境因素，材料腐蚀数据繁杂无章，如何对腐蚀数据进行高效管理利用是数据收集的价值所在。

以计算机和数据库技术的发展普及为界限，数据管理分为手册管理和数据库管理两个阶段。腐蚀本质上就是材料的腐蚀，因此腐蚀数据库的开发利用跟材料数据库的发展密不可分，有些综合性材料数据库包含了腐蚀性能子库。

国外腐蚀数据库发展现状

20世纪70年代中期，美国、日本、西欧等工业发达国家率先展开材料数据库的研发工作，随着美国1987年在费城召开第一届国际材料数据库会议，各国展开了国家或国际范围的数据库联合开发项目。

美国于1996年创建的MatWeb综合材料数据库，包含ABS树脂聚合物性能数据、缩醛树脂工程性能数据、铝合金、复合材料、铜合金等11大类材料的性能信息，共98000条数据记录，另外，美国国家标准与技术局（NIST）还建有WebSCD、WebHTS、MPD数据库，提供在线数据检索以及数据评估功能。

德国化学工程及生物技术协会开发的DECHEMA数据库是世界上数据量最大、应用最广泛和最权威的化工材料数据库，能够为腐蚀领域各行业部门提供专业的材料腐蚀数据。

欧洲聚变材料性能在线数据库的数据来源为欧洲核聚变计划，包含原始试验数据、专家组鉴定数据、加工材料特性数据以及相关电子报告等。系统架构使用J2EE技术和PostgreSQL关系数据库，具有数据下载、浏览、检索以及提交等多种功能。

日本国立材料科学研究院整合建立的NIMS在线材料数据库，涵盖聚合物、金属材料、无机非金属材料、复合材料以及扩散等内容，包括8个材料基本性能数据库、5个在线结构材料数据表、4个数据库应用系统及3个工程应用数据库，提供新材料研发、材料性能预测与评估、对比选材等基础数据。

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学数据，构建在线材料数据库IMDB，提供关于材料力学性能、腐蚀性能、无损评估、热、光性能等数据服务。

国内腐蚀数据库发展现状

我国于1986年10月在北京召开了第一次全国材料数据库会议，并在国际数据委员会（CODATA）中国全国委员会的领导下成立了材料数据组，开始研发一系列不同类别的材料数据库。与此同时，国内腐蚀领域的专家学者们开始了腐蚀数据库的建设工作。

历经30余年的发展，我国先后建立起了20多个腐蚀数据库，包含9个主体腐蚀数据及其他子数据库。部分高校也联合企业开展了腐蚀数据库的针对性研究，例如大连海事大学的船舶腐蚀防护数据库，湖北工业大学的飞机在大气环境中的腐蚀监测系统。

目前，国内已建成的典型数据库有：北京科技大学的材料环境腐蚀网络数据库系统、中国海洋大学的海水腐蚀查询数据库、天津大学的金属材料海洋环境腐蚀数据咨询管理和预测诊断系统、北京化工大学的网络版材料腐蚀数据库。

各数据库系统除了均具有腐蚀数据库的一般共性，即包括材料性能、环境数据、腐蚀情况和数据源等基础数据，又兼具各自的特点。

北京科技大学的材料环境腐蚀网络数据库系统是目前国内数据存量最大、材料品种最全、门户网站开放性最高的系统，该系统整合了国家级材料环境腐蚀防护平台30余个野外试验站积累的腐蚀数据，涵盖了黑色金属、有色金属、建筑材料、涂镀层材料及高分子材料等5大类600余种材料长达35年的野外试验数据和连续观测数据，建成了包括试验站基本信息、环境数据测试、材料检测、材料腐蚀数据测试、腐蚀图谱等5大类43种类型数据表的自然环境腐蚀数据库和13个专题腐蚀数据库，开发了门户网站“中国腐蚀与防护网”。

中国海洋大学的海水腐蚀查询数据库以海洋环境中3C，A3，16Mn，10MnPNbRe，10CrMoAl，D36六种海洋工程常用钢的10200组数据为数据源，提出了一种结合使用自组织特征映射（SOM）网络和径向基函数（RBF）的组合人工神经网络模型预测海水腐蚀速率的方法。

天津大学的金属材料海洋环境腐蚀数据咨询管理和预测诊断系统的源数据为青岛、厦门、榆林和舟山实海暴露的19种金属材料，该系统的突出功能是腐蚀预测和腐蚀形貌图像诊断。腐蚀预测功能通过神经网络预测和综合预测模块预测材料在其他海域的腐蚀情况，腐蚀形貌图像诊断是对腐蚀图像采用滤波和模糊增强的方法进行预处理后结合模糊模式识别理论判断金属材料的腐蚀形态。

北京化工大学的网络版材料腐蚀数据库贮存近100种常用非金属材料、金属材料在1000种腐蚀介质中近十万条的腐蚀基础数据，是对原有多个单机版材料腐蚀数据库的整合和升级改造，提供了比较完备的数据查询和选材决策等功能。

经过多年的运作，各研究单位建成的腐蚀数据库也正在逐步完善和智能化，当前国内外较完备的材料数据库采用在线管理，并为外部机构提供有偿服务。商业化运作模式间接推动了数据库的全面快速发展和数据的有效应用，为国家和企业工程建设选材及腐蚀评估、材料腐蚀的科学研究等提供了有效的数据支撑。

国内腐蚀数据库的阶段特征

伴随着计算机软硬件和数据库技术的革新发展，国内腐蚀数据库系统在创建30多年以来无论在技术架构上还是业务功能方面都取得了明显的改进。

从建立至今，腐蚀数据库的发展可以大致分为以下三个阶段：

1 单机版腐蚀数据库

20世纪90年代左右最初建立的一批腐蚀数据库基本上都是单机版数据库，数据库管理系统为当时主流的dBase和Foxbase，系统具备数据查询检索、数据库维护管理、数据打印和数据库字典等数据库的基本功能，涵盖数据包括自然环境腐蚀数据和腐蚀相关文献资料等信息，数据单位牌号等标准规范，库结构设计合理实用。

典型代表有北京科技大学屈祖玉等开发的材料自然环境腐蚀数据库、中国科学院金属腐蚀与防护研究所李洪锡等开发的大气腐蚀数据库管理系统和北京有色金属研究总院林乐耘等开发的有色金属海水腐蚀数据库等。

2 网络版腐蚀数据库

2000年以后，各研究机构陆续对原有单机版材料腐蚀数据库进行技术改造，开启基于网络的B/S架构数据库应用系统开发。

数据库管理系统一般选用SQL Server或者Oracle等，动态网页技术通常采用JSP或者ASP，网络版数据库实现了材料环境腐蚀数据的共享，扩大了腐蚀数据的推广范围，数据库功能在增删改查等基础功能上增加了腐蚀预测和腐蚀特征识别等。

例如萧以德等开发的网络版材料腐蚀防护查询系统和董超芳等在屈祖玉单机版腐蚀数据库基础上改进的有色金属大气腐蚀网络数据库及共享系统等。

3 智能化腐蚀数据库

2011年6月年美国提出“材料基因组计划”（MGI），发展“理性设计-高效实验-大数据技术”深度融合、协同创新的新型材料研发模式，提高数据库的智能共享设计，为腐蚀数据库的功能拓展提供了新的思路。

大数据技术的兴起和流行使得数据存储开始采用面向列的非关系型分布式存储系统HBase，数据操作系统普遍采用分布式计算架构Hadoop，鉴于该架构的迟滞性缺陷，实时数据高效分析处理功能往往借助Spark Streaming框架和Storm框架来实现。

数据挖掘技术、大数据技术提供的多因素、多场景、多纬度的数据分析模型和工具，极大地提高了腐蚀数据挖掘深度和数据利用价值，促进了腐蚀数据库在数据预测和材料选型决策方面的研究。

例如青岛科技大学袁森等开发的海洋工程腐蚀大数据预测可视化平台、中国石油大学孙浩等开发的基于大数据的油气管道腐蚀诊断与预测和北京科技大学支元杰等开发的在大气环境中金属材料腐蚀的数据驱动预测模型。

材料腐蚀数据库的发展趋势

目前已建成的腐蚀数据库系统主要由SQL查询数据库、Web客户端数据浏览和数据挖掘与分析三部分组成，大多数腐蚀数据库是为科学研究提供基础数据查询的关系型数据库。

腐蚀数据库在与多媒体和人工智能技术的融合建设方面取得了一定的进展，数据库技术、大数据技术和数据挖掘技术的发展为未来材料腐蚀数据库在数据管理和功能建设上提供了新的思路和发展方向。

通过分布式数据库技术进行腐蚀数据的管理。分布式数据库系统利用高速计算机网络将分散存储在多个计算机设备上的数据组成逻辑上统一的数据库，解决了高可扩展性、高并发性、海量非结构化数据存储等难题，其键值存储方式使得数据的访问更加灵活高效，而网络式分布存储又提高了数据安全的防御性能。材料腐蚀数据繁杂无章且数据庞大，大量的非结构化数据给传统的集中式存储管理带来了极大困扰，而分布式存储技术正好解决了这一难题。

建立数据仓库，结合人工智能提高数据库决策服务能力。材料腐蚀数据一般具有来源途径广、累积时间长、数据量大且形式多样和固定叠加增长等特点。数据仓库特有的资料存储架构，面向主题支持决策分析的优势，结合联机分析处理技术和数据挖掘技术，可以极大地提高腐蚀数据的预处理存储和信息挖掘功能。

人工智能的逻辑判断推理能力与数据仓库高效的数据处理能力优势互补，融合材料基因工程的理念，通过材料高效计算、高通量试验、大数据等共性关键技术及装备，构建“计算、实验、数据库”三大基础创新平台，为新材料的研发和工程化应用提供决策性建议。