青岛科技大学高分子科学与工程学院雍占福团队在人工智能赋能轮胎结构优化设计方面取得新进展。团队围绕12R22.5全钢子午线轮胎带束层结构优化开展研究，提出了“有限元分析+正交设计+BP神经网络+多岛遗传算法”的智能优化方法，实现了轮胎关键结构参数的高效寻优，充分体现了人工智能在高分子科学与工程研究中的应用潜力。相关成果发表于国际期刊《Mechanics Based Design of Structures and Machines》。

全钢子午线轮胎是高分子材料与复杂结构设计深度耦合的典型工程体系，其中带束层作为关键承载部件，其结构参数直接影响轮胎肩部应变能密度分布及服役耐久性。传统轮胎结构优化往往依赖样胎试制和经验试错，不仅研发周期长、资源消耗大，而且难以在复杂非线性参数空间中快速找到最优方案。面向这一问题，研究团队将人工智能方法引入高分子轮胎结构设计过程，探索复杂橡胶制品的智能研发路径。

研究中，团队首先基于ABAQUS建立12R22.5全钢子午线轮胎有限元模型，以轮胎肩部带束层端部最大应变能密度为评价指标，结合极差分析与正交实验设计，对1#、2#和3#带束层宽度进行初步优化。结果显示，正交优化方案可将最大应变能密度降低5%，但改进幅度有限，只能确定较优参数区间，难以进一步精准锁定最优结构组合。

在此基础上，团队进一步引入BP神经网络对有限元仿真数据进行训练，构建带束层结构参数与应变能密度之间的高精度近似模型；随后采用多岛遗传算法开展全局优化搜索，最终获得最优带束层宽度组合分别为189 mm、200 mm和203mm。仿真验证结果表明，与原始方案相比，优化后轮胎带束层端部最大应变能密度下降17.46%，较正交优化方案进一步降低12.46%，显著提升了轮胎结构耐久性。

研究还表明，该智能优化方法仅需约10组仿真数据即可完成模型训练与参数寻优，整体计算周期约10小时，明显优于传统经验试错、单纯试验设计及复杂商业优化流程，在复杂非线性工程问题中展现出较高效率与良好适用性。相关成果说明，人工智能正加速融入高分子材料设计、橡胶结构优化和轮胎工程研发全过程，为材料性能预测、结构迭代优化和研发资源节约提供了新路径。

该成果以“Belt bundle ply optimization of 12R22.5 tires using BP neural network and multi-island genetic algorithm”为题发表于《Mechanics Based Design of Structures and Machines》。安景帅为论文第一作者，雍占福为通讯作者。

未来，团队将继续围绕高性能轮胎用高分子材料、结构设计与智能优化方法开展深入研究，推动人工智能、计算模拟与高分子科学交叉融合，为绿色轮胎及高端橡胶制品研发提供更多创新支撑。