Page 128 - 《橡塑技术与装备》2026年1期

橡塑技术与装备
HINA R&P TECHNOLOGY AND EQUIPMENT

AI Graf Compounder 在橡胶配方

开发模拟中的应用研究

章羽 编译
( 全国橡塑机械信息中心， 北京 100143）

摘要 ： 本文探讨了 AI Graf Compounder 软件在橡胶配方开发中的应用。该系统基于前馈神经网络，能够根据成分预测材料性
能，显著减少物理测试需求并加快研发进程。研究通过多个案例验证了其在 EPDM、天然橡胶等配方中的预测准确性，强调高质
量结构化数据（尤其是实验设计数据）对模拟结果的重要性。人工智能与结构化实验设计的结合，为橡胶行业提供了更高效、数
据驱动的开发路径。
关键词 ： 人工智能 ；橡胶配方开发 ；神经网络 ；实验设计 ；数据驱动模型
中图分类号 ： TQ330.56 文章编号 ： 1009-797X(2026)01-0076-06
文献标识码： B DOI:10.13520/j.cnki.rpte.2026.01.016

人工智能（AI）融入橡胶胶料开发，标志着材料 橡胶行业面临的挑战与其他材料科学学科所遇到
科学实现了具有变革性意义的一步。本文深入探讨了 的相似 ：开发成本高、测试周期长，以及需要精确地
运用 AIGraf Compounder 软件对橡胶配方进行模拟与 将材料定制以满足特定要求。采用人工智能（AI）进
优化的方式。该系统借助前馈神经网络，能够依据成 行模拟处理是一种有前景的解决方案。正如汽车行业
分组成精准预测材料性能，进而减少了对大量物理测 使用数值模拟来预测机械应力、金属和塑料部件寿命
试的依赖，有效加快了开发周期。此方法着重强调了 试验中的裂纹扩展，甚至在化学等其他领域用于模拟
高质量、结构化数据集的关键作用，特别是那些源于 反应机理一样，AI 也可以显著推动橡胶的开发。
实验设计（DoE）并结合其他实验策略以实现精准模
拟的数据集。多个案例研究充分展示了该软件在包括 2 以模拟作为材料开发的基础
三元乙丙橡胶（EPDM）和天然橡胶（NR）配方等各 橡胶材料开发的一个核心方面是配方及其性能的
类胶料中的有效性，证实了其预测能力与实验数据的 模拟。每次模拟都需要精确的数据，并依赖于输入参
高度吻合。通过有针对性的验证和统计分析，成功克 数与所得材料响应之间明确的关系。在人工智能（AI）
服了数据不一致、测量误差以及非结构化数据集局限 驱动的环境中，不仅可以预测橡胶配方及其性能，还
性等诸多挑战。最终，人工智能与结构化实验设计的 可以分析其预期的物理和化学依赖性和相关性。
有机融合，让橡胶胶料开发过程中的决策变得更加高 这种由 AI 驱动的方法的核心是基于前馈 AI 软件
效、更依赖数据，为整个行业的创新发展和性能优化 的神经网络。这种结构能够捕捉配方成分与其性质之
奠定了基础。 间的复杂关系。根据具体应用，未来还可能利用递归

网络或更深入的机器学习系统。在此情况下，采用前
1 人工智能在橡胶开发中的应用 馈网络，并通过调整目标标准对其进行优化，以提供
近年来，人工智能（AI）的快速发展已经彻底改
变了众多行业。AI 已经在图像和语音处理方面带来了 编者简介 ：章羽（1991-），男，本科，主要从事橡塑技术
装备方面的研究，已发表论文多篇。
深刻变革。然而，高计算能力和智能算法的结合也为
原 文： RUBBER WORLD No.5/2025, by Hans-Joachim Graf and
其他领域开辟了新的可能性，如材料的研究与开发。 Christoph Hartwich, H-JG Consulting.

1
·76· 第 52 卷 第 期