一种机器学习驱动的环氧树脂基复合材料热-力学性能辅助设计方法

本发明属于高分子材料设计与智能制造技术领域，公开了一种机器学习驱动的环氧树脂基复合材料热‑力学性能辅助设计方法，该方法包括：S1、数据获取与特征构建；S2、特征筛选；S3、可解释预测模型构建与训练；S4、逆向设计与优化；S5、闭环验证与更新。本发明通过可解释机器学习模型构建“结构‑工艺‑性能”的定量关系，并借助SHAP分析揭示各因素的贡献机理。最终根据性能目标逆向设计最优环氧树脂单体结构及配套固化工艺。本发明突破了传统试错法的局限，可实现材料结构与成型工艺的协同优化，显著提升环氧树脂基碳纤维复合材料的开发效率。