基于数据驱动的纤维增强复合材料性能预测研究进展

许凤1，刘玲2，张超2，朱杰3，张玮婷4，董昊4，黄浩1，高明1，喻学锋1（1.中国科学院深圳先进技术研究院；2.广州金发碳纤维新材料发展有限公司；3.中化数智科技有限公司；4.中国信息通信研究院）

摘要：随着数据资源获取、深度学习演化和模型推理生成等技术的不断发展，数据驱动方法凭借其在挖掘高维非线性关系、构建代理模型及处理多模态数据方面的独特优势，为纤维增强复合材料的性能预测提供了强有力的工具。系统介绍了该领域的研究进展，对复合材料关键参数的数字化表征方法进行梳理，重点描述了材料本征参数归集、图像驱动特征提取、物理信息特征工程以及跨尺度数据驱动4 类数字化表征方法，评述了数据驱动模型在复合材料力学、热学、声学及电学性能预测中的建模策略和预测精度，阐述了可解释性分析与不确定性量化技术在增强模型透明度、量化预测风险方面的工程意义，并展望了构建多尺度融合、物理引导与主动学习相结合的可解释机器学习框架等方向，以期为数据驱动方法在复合材料性能预测领域的深化应用提供从理论基础到工程实践的完整视角。

关键词：数据驱动；纤维增强复合材料；性能预测；机器学习；人工智能