环氧树脂作为综合性能优良的聚合物材料,在复合材料、涂料、交联剂中应用广泛。然而在其使用过程中容易受到机械力、辐射环境、腐蚀介质等外部因素的影响,材料表面和内部会产生裂纹且难以修复,因其具有交联三维网状结构也难以降解和分解,因此环氧树脂的修复和回收问题使其应用领域受限。为了解决这些问题,本文采用基于Diels-Alder（DA）反应的热可逆自修复环氧树脂替代传统环氧树脂,并对自修复环氧树脂组分进行设计与优化。首先,研究了糠基缩水甘油醚（FGE）/双马来酰亚胺（BMI）/甲基六氢苯酐（Me HHPA）基础体系的制备和性能,设计了新的快速固化工艺;其次,通过分子动力学（MD）模拟设计组分,引入双酚A二缩水甘油醚（DGEBA）,对比MD模拟与实验的热性能、力学性能和自修复性能结果;最后,将MD模拟数据作为机器学习的原始数据集,通过神经网络预测不同树脂体系的性能,分析各组分对自修复环氧树脂性能的影响规律,取得的主要研究结果如下:（1）FGE/BMI/Me HHPA基础体系的固化工艺采用70°C下固化36 h,FGE/DGEBA/BMI/Me HHPA改性体系的固化工艺采用70°C下3 h、100°C下3 h、120°C下3h、150°C下3 h和70°C下24 h固化,修复工艺均采用120°C下处理30 min,紧接着70°C下固化24 h。根据该固化和修复工艺得到的基础体系固化物的玻璃化转变温度（Tg）约为98°C,杨氏模量（E）为1.48 GPa,极限拉伸强度（UTS）为22.3 MPa,自修复效率（η）接近87%。通过修复过程发现,包含DA键的自修复环氧树脂大分子大约在120°C下会分解为BMI和FGE结构的小分子链,在70°C下这些小分子链会重组成大分子,从而修复裂纹。（2）提出了一种基于MD模拟和机器学习的多组分自修复环氧树脂体系设计方法,来寻找热性能、力学性能与自修复性能之间的平衡。结合MD和机器学习的设计方法,获得自修复环氧树脂体系最佳的组分比例,并能够自动、快速和准确地获得不同组成对树脂性能的影响。该设计方法也可以拓展到其他材料体系的设计中。（3）通过机器学习分析,发现FGE的呋喃基团和BMI的马来酰亚胺基团形成的DA键对于自修复性能非常重要,DA键的密度越高自修复效果越好,当FGE与BMI质量比约为10/14时,自修复效率最高。同时自修复环氧树脂体系需要DGEBA改善体系的热性能和力学性能,当DGEBA的质量分数在20%以上,改善效果明显。设计综合性能优良的自修复环氧树脂DGEBA/FGE/BMI的质量比为39/27/34,该环氧树脂的Tg约为128°C,E为2.13 GPa,UTS为34 MPa,η为72%。