人工智能AI賦能面向特定需求的復合材料自動化制造的材料設計

為驅動下一代復合材料設計的三大變革性技術的融合發展，可著重著眼于自動纖維鋪放（AFP）先進制造技術、人工智能（AI）技術與構型化復合材料技術三項。本研究旨在加速復合材料產品創新，構建自動化、面向特定需求的復合材料設計設計的全新范式。

自動纖維鋪放（AFP）這一先進制造技術，為連續纖維復合材料帶來了前所未有的設計自由度，可通過精準的定點材料鋪放，制備具備定制化功能特性的復雜結構。人工智能AI技術的融合進一步放大了這一潛力，為探索復合材料領域廣闊且尚未開發的設計空間，提供了一種替代傳統試錯法的高效路徑。

但目前，人工智能驅動的自動化設計方法仍主要局限于簡單的聚合物拓撲結構，在連續纖維增強復合材料中的應用極少。此前聚焦于自動纖維鋪放技術的文章，也大多將研究重點放在缺陷檢測與質量控制上，忽視了人工智能技術推動端到端設計與工藝規劃發展的廣闊潛力。為填補上述空白，本研究以增材制造、人工智能與結構化材料（簡稱“3A”）三大核心支柱為基礎，構建了人工智能賦能的復合材料自動化設計統一框架。

一、 三大核心技術支柱

1 自動纖維鋪放技術

自動纖維鋪放技術是先進制造基礎。自動纖維鋪放技術是復合材料自動化制造的基石，相比傳統制造方法具備顯著優勢：可減少材料浪費、實現前所未有的纖維鋪放精度、通過絲束轉向制備變剛度層合板，同時適配復雜曲面構件的制備。該技術已在航空航天領域實現廣泛應用（包括波音787機身、空客A350機翼、NASA復合材料低溫貯箱），同時也是電動汽車與電動垂直起降飛行器（eVTOL）系統輕量化結構應用的關鍵支撐技術。

相較于其他自動化制造技術，自動纖維鋪放技術比自動帶鋪放（ATP）技術具備更大的設計靈活性，比纖維纏繞技術擁有更寬的設計邊界，同時比連續纖維3D打印技術能制備出性能更優的層間剪切強度（ILSS）。自動纖維鋪放技術相較于傳統制造方法的核心優勢，如下圖1所示。

圖1 自動纖維鋪放技術的核心優勢

2 人工智能技術

人工智能技術是自動化設計的核心賦能手段。人工智能技術在復合材料工程全生命周期均實現了突破性應用，覆蓋概念設計、仿真計算、生產制造與在役監測全流程。其在該領域最具變革性的應用方向是人工智能驅動的材料發現，可對傳統實驗方法無法遍歷的廣闊設計空間，實現快速、系統性的探索。

目前已有多種神經網絡架構被證實可有效應用于材料設計，包括適配數值數據的前饋神經網絡/多層感知機（FNN/MLP）、適配網格類空間數據的卷積神經網絡（CNN）、適配實體關聯數據的圖神經網絡（GNN）、適配序列數據的長短期記憶網絡（LSTM），以及適用于生成式設計任務的生成對抗網絡（GAN）。這些架構已在金屬、聚合物與合金材料的正、逆設計中實現成功應用。但上述技術在連續纖維復合材料結構優化中的應用仍極度匱乏。

3 構型化復合材料

構型化復合材料適配自動纖維鋪放技術的設計策略。復合材料的性能定制化，可通過納觀、微觀、細觀、宏觀四個長度尺度的結構設計改性實現。本研究重點聚焦兩類可與自動纖維鋪放制造產線無縫兼容的改性策略：工藝參數改性與細觀結構改性。

其中，最具代表性的適配自動纖維鋪放技術的細觀結構，是“先進鋪放鋪層（AP-Ply）”策略。該方法中，絲束被鋪放在前序絲束的上方而非下方，制備的層合板具備與傳統機織復合材料相當的抗沖擊性能，同時面內力學性能更優，且完全適配自動纖維鋪放增材制造工藝。但目前，先進鋪放鋪層結構的系統表征與高保真建模仍存在關鍵研究空白。

二、 關鍵研究空白

兩大核心瓶頸阻礙了人工智能賦能的復合材料自動化設計統一框架的構建：

1）自動纖維鋪放工藝建模能力不足：現有模型大多僅能實現溫度預測，無法可靠表征最終決定層合板性能的核心指標——層間剪切強度的演化規律。傳統的緊密接觸模型與自愈合模型存在顯著的預測局限性，其實驗驗證范圍較窄，嚴重削弱了模型的工程實際適用性。

2）結構表征方法與數據稀缺的雙重壁壘：當前復合材料設計仍以基于鋪層的表征方法為主，無法適配先進鋪放鋪層等新型絲束級鋪放結構。同時，行業內嚴重缺乏高質量、大規模的工藝-性能與結構-性能數據集，而這是訓練高精度人工智能模型的核心基礎。

三、 自動化逆設計框架

本文提出兩套概念性的端到端逆設計框架，可基于用戶定義的目標性能，生成最優的復合材料設計方案。

框架1：工藝參數優化預測框架

該框架以多尺度建模方法為核心，實現自動纖維鋪放固結過程的仿真模擬，生成高保真的工藝-性能數據集，同時訓練用于性能正演預測與工藝逆設計優化的數據驅動模型?？蚣苋诤狭撕暧^尺度熱力耦合有限元建模、微觀尺度緊密接觸仿真、分子尺度聚合物互擴散分析，以及數據驅動代理建模，實現層合板性能的精準預測。

在逆設計環節，該框架采用代理模型輔助的正演建模結合基于梯度的優化算法，通過求解加權多目標優化問題，在設備限定的工藝約束條件下，實現力學性能（層間剪切強度）、生產效率與能源利用效率的多目標平衡優化。該多尺度工藝建模與優化流程，如下圖2所示。

圖2 框架1的多尺度工藝建模方法

框架2：細觀結構復合材料自動化設計框架

該框架通過調整絲束鋪放順序實現復合材料性能優化，采用基于鋪放順序的絲束序列編碼體系，將層合板結構編碼為絲束鋪放序列，該序列可直接映射為自動纖維鋪放設備的鋪放指令，確保所有生成的設計方案均具備物理可制造性。

框架采用基于長短期記憶網絡的神經網絡作為代理模型，實現序列結構輸入到力學性能的精準預測；同時采用遺傳算法（GA）遍歷組合設計空間，對候選結構進行迭代優化，最終篩選出符合用戶定義性能要求的最優設計方案。這種絲束序列編碼與結構表征方式，如下圖3所示。

圖3 框架2（細觀結構自動化設計框架）復合材料層合板的絲束序列編碼方法與設計域定義規則

四、 數據擴充策略

數據稀缺是實現人工智能驅動復合材料設計規?；涞氐牧硪恢匾款i。本文章提出四大核心策略應對這一挑戰：

1）自動纖維鋪放技術的普及化：開發低成本自動纖維鋪放平臺，建設可及性更高的創新中心，擴大行業整體的實驗數據生成能力。

2）數據共享池建設：通過協同建設開放獲取的數據倉庫，整合分散的實驗數據集，消除重復測試造成的資源浪費。

3）小樣本學習方法：采用虛擬樣本生成（VSG）等技術，對稀疏的實驗數據集進行有效擴充。

4）物理約束多保真度建模：將物理規律嵌入人工智能模型，結合低保真度與高保真度仿真數據，生成低成本、高可靠性的訓練數據集。

結論

本研究明確了構建穩健的復合材料自動化設計框架的三大核心必要條件：

1）采用多尺度建模方法，精準表征自動纖維鋪放固結過程中層間剪切強度的演化規律；

2）建立通用化的逐絲束結構表征體系，支撐可自動纖維鋪放制造的復合材料設計；

3）形成高效的數據生成、共享與增強方法，保障人工智能模型可規?；柧?。

本研究提出的兩套逆設計框架，為端到端復合材料自動化設計提供了清晰的實施路線圖。自動纖維鋪放先進制造、人工智能與構型化復合材料三大技術的融合，將大幅縮短復合材料產品的研發周期，實現具備先進功能的面向特定需求的復合材料設計系統的制備，同時推動航空航天、汽車等關鍵行業材料組學領域的技術創新。