资讯中心

数据共享

试验资源

信息资源

防护技术

腐蚀灾害不断,腐蚀基因组和大数据如何发挥作用?

2018-08-28 15:39:49
来源:本网整理

材料腐蚀造成了重大的经济损失、人员伤亡和环境灾难。材料腐蚀学科是严重依赖数据的学科,无论腐蚀机理与规律研究、测试方法确定、工业标准制定,还是腐蚀事故处理,都严重依赖腐蚀数据以及与腐蚀相关的环境数据。由于材料腐蚀过程及其与环境作用的复杂性,传统片断化的腐蚀数据已经不能适应制造业和社会基础建设快速发展的需要。

    【引言】


    材料腐蚀造成了重大的经济损失、人员伤亡和环境灾难。材料腐蚀学科是严重依赖数据的学科,无论腐蚀机理与规律研究、测试方法确定、工业标准制定,还是腐蚀事故处理,都严重依赖腐蚀数据以及与腐蚀相关的环境数据。由于材料腐蚀过程及其与环境作用的复杂性,传统片断化的腐蚀数据已经不能适应制造业和社会基础建设快速发展的需要。


    在前两周刚出不久的Nature杂志上,北京科技大学腐蚀与防护中心的国家材料环境腐蚀平台李晓刚教授团队提出了“腐蚀大数据”的原创概念,并围绕这一概念,阐述处理“腐蚀大数据”理论与技术层面的关键问题 ,从而建立腐蚀信息学和腐蚀基因组工程。


    2013年11月,青岛的一段输油管道爆炸造成了62人死亡和136人受伤。8个月后,类似的爆炸事件在高雄发生,造成32人死亡和321人受伤。两个管道都是用同样规格的钢材制成,并且在相似的环境下使用20多年后发生失效。失效的原因是腐蚀——材料在其使用环境中发生化学或者电化学反应而造成的损耗与破坏。


    这些灾难是非常普遍的:在中国的城市里平均每平方公里有30公里的地下管道,形成了包括油气管道、给水总管和电气通讯缆线的错综复杂的网络。腐蚀的代价也是十分昂贵的。根据美国的一项调查,腐蚀造成的损失可达到美国国内生产总值的6%之多。按照同样的比例计算,全球范围内,每年的腐蚀损失总计超过4万亿美元——相当于40个卡特里娜飓风造成的损失。其中一半的费用直接用于腐蚀预防与控制,另外的一半来源于腐蚀造成的损害和生产力的丧失。


    腐蚀相关知识的匮乏使我们没法对腐蚀失效进行有效的预防。


    比如,地下管道的腐蚀受到很多因素的影响,包括管道所用材料的成分、组织结构和设计,同时也包括了一系列的环境因素,比如土壤含氧量、水分、盐度、pH值、温度和土壤中的生物体。


    包括油气、海洋和核能在内的很多工业搜集了大量腐蚀数据,用于识别腐蚀风险,预测组件服役寿命并控制腐蚀的发生,然而,这些数据大多归企业私有,而分析这些数据所得到的腐蚀控制最佳实践也很少对外公开。原油泄漏、桥梁塌陷以及其它的腐蚀次生灾害仍在持续不断的发生。


    随着越来越多的先进材料应用于医疗设备、生物传感器、燃料电池、电池、太阳能板和微电子元件中,对相关腐蚀知识的需求也变得越来越强烈。腐蚀也成为了限制纳米科技应用的主要因素。


    众多致力于材料数据共享的举措,比如材料基因组计划(Materials Genome Initiative,MGI),主要关注材料的“诞生”过程,而不是材料的“消亡”过程。人们迫切的需要一个共享腐蚀数据的在线平台。研究人员需要获得大量而且多种多样的腐蚀信息,从而可以借助于数据挖掘和计算机建模等工具进行研究,实现更为准确的腐蚀失效预测和更好的防腐设计。


    从微观腐蚀学的角度看, 材料腐蚀学是一门依赖于基础数据的学科,无论是材料腐蚀基础理论和机理研究,还是发展防护技术和建立实验技术与方法,建立测试与工程标准,都必须不断积累材料在各种环境中的腐蚀数据,这些数据才是构成腐蚀学科所有理论、技术、方法和标准的基础。材料腐蚀数据积累必须采用标准化与规范化的方法采集获得,只有这样,这些数据才具有科学性与实用性。从宏观腐蚀学的角度看,腐蚀其实是人类社会中的一切构筑物的毁灭过程, 须将腐蚀现象作为系统整体研究,考察它与社会环境之间的交互作用以及腐蚀学的社会及经济效应,因此,在人类社会步入大数据时代的当今,?巨量与腐蚀相关的数据已经快速产生,这些数据如何处理? 如何储存? 如何挖掘以发挥最大功能?这些问题已经清晰地摆在我们面前,却又是以往材料腐蚀学研究内容中无法解决的问题。


    腐蚀的复杂过程及其与环境的复杂作用:腐蚀数据的“大数据”特质


    腐蚀研究中存在的最大挑战,是对指定环境中腐蚀如何发生进行精确预测。这要求全面了解所有相关影响因素及其相互作用。然而,目前很多腐蚀问题还没有精准的机理模型。在缺乏不同环境下材料失效历史数据的情况下,预测这些问题是不可能的。在相关环境参数未知的情况下,也无法通过实验室试验来评判现场的服役性能。


    腐蚀数据来之不易。腐蚀造成的材料损伤可能要经过几年甚至几十年的累积才会显现出来,而任何单一研究仅能获得反映几个影响因素的部分信息。我们必须将腐蚀数据集整合起来。例如,早期的海洋腐蚀研究获得了一些不可靠的结果,因为它们仅仅考虑了物理化学因素(包括pH、溶氧量和温度),但是并未考虑到海水中的生物体的作用。目前,在结合基因数据之后,海洋腐蚀的模型得到了改进。


    腐蚀的程度还取决于当地环境。例如,在中国干燥的内陆地区可以维持几十年寿命的钢结构,如果置于潮湿且含盐量高的东南亚沿海地区,则可能会在短短数月内失效。一些高分子防腐涂层在纬度较高的地区能够服役数年,而在赤道附近,高温和强紫外线的作用会使高分子的化学键更迅速地断开,从而导致涂层于几周内老化降解。


    推断一般性的腐蚀规律——比如湿度、盐分或空气污染对某种钢材料的影响——需要综合考虑多种环境下的研究成果。例如,Morcillo等人曾进行过一项关于耐候钢腐蚀的调查。这份调查中采用了来自全球22个国家、108个地点、最长达22年的现场暴露试验结果。


    随着全球贸易的增长,油气、建筑、汽车、电气和其他工业都需要腐蚀数据在不同国家间进行共享,以保证其产品的质量和安全性。由于未能预知进口国潜在的腐蚀问题,近年来世界范围内已有数百万辆汽车被召回。2013年我国提出的“一带一路”战略,将促进连接东西方丝绸之路经济带上各国家之间的工业联系,也同时是带来了史无前例的挑战。从亚洲到非洲和欧洲,涉及到建筑、运输、能源和通讯等领域的多项数十亿美元的工程项目即将开始,我们需要对这些项目进行快速的腐蚀评估和材料选择设计。


    先进材料也带来了全新的腐蚀问题。例如,当铂、金等贵金属的尺寸减小到纳米级时,它们的电化学稳定性急剧下降。目前,铂纳米颗粒的腐蚀问题是限制燃料电池铂基催化剂寿命的关键障碍。


    材料学家已经意识到数据共享的必要性,与这些同行相比,腐蚀科学家显得慢了一些。在MGI的主导下,美国政府机构建立了几个大型的材料数据仓库,收集共享了材料的基础数据,包括物理、化学和微观结构数据,但并不包括腐蚀数据。然而如果没有考虑到材料的环境稳定性和持久性的话,任何MGI所承诺的先进材料将都将是不切实际的。


    通过共享腐蚀数据,每人都可以对腐蚀有更深的理解,并从中获益。但是,首要的问题就是标准化“腐蚀大数据”仓库的建设。


    标准化的“腐蚀大数据”仓库


    不同国家、行业和应用领域都应该建立开放的数据基础设施,储存相关的腐蚀数据。通过使用相同的数据和元数据标准格式,可以把这些数据联系起来,最终形成全球系统,并有可能连接到MGI。


    政府应该起到主导的作用。例如,自2006年以来,中国政府已经投入了近2亿人民币,建立了国家环境材料腐蚀平台(www.ecorr.org)。该平台共享了覆盖中国不同地区典型环境(大气,土壤和水)30个腐蚀野外测试试验台站所积累的材料腐蚀基础数据。其他国家、工业和利益集团应该建立类似的数据基础设施,来收集、共享其它地区或行业领域的腐蚀数据。


    我们需要协调各方的力量,重点收集那些急迫的或新兴行业领域(例如在新能源或纳米科技)相关的腐蚀数据。例如,美国能源部就与MGI合作建立材料数据仓库,以推动清洁新能源领域的发展。


    拨款机构应鼓励先进材料和新兴科技的腐蚀数据共享,例如将其列为科研项目经费的资助条件,并对相关研究成果在开源期刊上发表提供资金支持。腐蚀科学团体应向其他材料科学团体(如Materials Research Society, TheMinerals, Metals & Materials Society and ASM International)学习,召集专家学者指定最佳的数据共享方案和导则。


    通过和学术界合作,可以鼓励工业界广泛参与腐蚀数据共享。作为贡献其腐蚀数据的回报,公司可以相关节省研发经费。而且因为腐蚀主要关乎维护与安全,而与行业竞争关系不大,所以企业应该乐意共享此类数据。就像制定行业标准那样,企业间可以形成数据联盟来提出共同关注的腐蚀问题进行数据共享,并联手提出可作为行业基准的解决方案。


    腐蚀数据的获取、管理、挖掘、模拟和仿真都需要更加强大的工具。将这些元素整合在一起,构成了我们所定义的腐蚀大数据与信息学。通过先进监测技术获取的数据需要“大数据”的分析方法。例如,机器人(俗称“智能猪”)可携带数百个传感器,在检查管壁时可一次收集TB的数据。而高度准确的腐蚀仿真可以部分或完全地取代耗时、污染环境、复杂而且昂贵的腐蚀试验研究。例如,量子化学建模方法已被大量应用于评估缓蚀剂的分子结构和电子特性。


    “腐蚀大数据”理论层面的关键问题


    “腐蚀大数据”的理论建模与挖掘是揭示存在于腐蚀数据里的模式及数据间的关系的关键问题,对大量的复杂腐蚀数据集进行自动探索性分析是“腐蚀大数据”理论的关键。目前“大数据”研究中所用的各种先进数学工具,都可以用来建立腐蚀模型,表征数据之间的因果关系,揭示以往传统片断腐蚀数据无法阐明的腐蚀机理与规律。


    “腐蚀大数据”的可视化是腐蚀数据挖掘中一种重要方法,这种表征腐蚀建模结果的方法能够观察到所期望的建模和仿真的计算结果,用多维的形式将腐蚀数据的各个属性值表示出来,这样可以从不同的维度观察腐蚀数据,从而对腐蚀数据进行更深入的观察和分析。图1就是利用扩散模型,在大量温度、湿度和硫分布数据的基础上,得到的山东地区大气腐蚀等级图。图2是利用有限元计算方法,得到的应力腐蚀裂尖部位电位分布的数据图片。


1.png

(图1 山东地区大气腐蚀等级图 - 红色的腐蚀等级为C5级,黄色为C4级,绿色为C3级)


2.png

(图2 应力腐蚀裂尖部位电位分布的数据图片)


    “腐蚀大数据”理论层面上最重要的问题是基于“腐蚀大数据”的腐蚀过程仿真,这其实是在以上腐蚀理论建模基础上加上了时间的因素,是腐蚀动力学过程的建模。这是“腐蚀大数据”理论层面的核心问题,可以说是王冠上的明珠。


    图3是利用元胞自动机模型计算得到的金属早期大气腐蚀形貌和动力学过程,与边界条件相同的腐蚀试验结果符合得很好。十多年来,包括李晓刚教授团队在内的国内外5~6个研究团队致力于这方面研究,取得了初步的成果。这项研究实际是对材料腐蚀复杂过程的“可视化”的再现,对认识腐蚀这一复杂过程的机理与规律具有重要的意义。


3.png 

(图3 元胞自动机模型计算金属早期大气腐蚀形貌和动力学过程)

标签: 材料腐蚀, 腐蚀基因组, 腐蚀大数据

腐蚀与防护网官方微信

官方微信

新闻 天天有料
分享到: