Page 132 - 《橡塑技术与装备》2026年1期

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

计分析，以避免误解并确保结论准确。 MBTS 浓度下，高硫水平的斜率较低硫水平显著陡峭
（图 9）。断裂伸长率曲线呈现相似趋势 ：低硫水平的
峰值更平缓，而较高 MBTS 浓度下斜率更陡峭。值得
注意的是，这些曲线似乎与模量曲线呈精确反向关系。

图 7 在两种硫含量下，ZDiBC 的逐步变化，但因数据错
误导致结果存疑

5.5 基于天然橡胶的胶料 ：模拟
本例采用更不规则的数据库，包含试错实验数据 图 9 在两种硫含量下，MBTS 的压缩变形量逐步增加，
但 SDT/S 比值保持不变，为 2.2 份
及通过实验设计法生成的微型数据集。所有胶料均以
天然橡胶（NR）为基础。原料成分及其数值分布范围
无论低硫还是高硫水平，压缩永久变形曲线均呈
足够广泛，可支持多次模拟。
现严格平行位移，且在所有 MBTS 浓度下斜率完全一
最常见的 NR 胶料采用基于硫脲酰胺和所谓 “ 助
致。这些曲线近乎线性。鉴于 SDT/S 与 MBTS 构成
硫剂 ” 的硫化体系。但本研究中的胶料主要构建单元
抗逆转加速体系，压缩永久变形仅取决于交联密度，
为二硫代磷酸酯。
不受胺类分解产物引发的网络破坏影响。由于本模拟
为验证模拟方法，考察了以下条件 ：
中所有其他成分均保持恒定，压缩永久变形对促进剂
（1）硫含量两档 ： 1.5 份与 2.2 份；
组合的依赖性符合预期。
（2）SDT/S（聚硫二硫代磷酸酯）固定为 2.2 份 ；
综 上所 述， 此 类模 拟 可实 现 交 联体 系 的 精细 调
（3）MBTS（酚醛硫化剂）分步递增至 1.5 份。
整，从而优化复合材料性能。然而，数据库质量必须
该设置用于探究 SDT/S 与 MBTS 间的协同效应
足够高才能支持精确计算。本次模拟中，复合材料中
（图 8）。
MBTS 浓度的增加仅通过 SDT/S 与硫的组合实现，这
是因为其他模拟方案的数据不足。

6 结论
人工智能在橡胶配方开发中的应用标志着重大进
步，实现了配方优化速度更快、精度更高、效率更优。
上述案例突显了人工智能驱动模拟的关键作用及其依
赖性 ：
（1）人工智能驱动的模拟可提供精准预测，但高
度依赖数据质量。任何模拟的准确性都受限于所用数
据集的可靠性、一致性和完整性。数据中的错误、缺
图 8 在两种硫含量下，MBTS 逐步增加，但 SDT/S 保持 失值或不一致性可能导致误导性结果，强调在应用 AI
不变（2.2 份），模量为 100
模型前必须进行彻底的数据验证。
模量 100 曲线呈现近乎平行的位移，但在较高 （2）实验设计（DoE）能提供结构化且符合统计

1
·80· 第 52 卷 第 期