شركة جيانغسو هايفا للتصنيع الميكانيكي المحدودة

في عام 2026، يتسارع تحول البحث والتطوير لمضخات الطرد المركزي من "التصميم التجريبي + الحساب التكراري عبر ديناميكا الموائع الحسابية (CFD)" التقليدي إلى التصميم الهيدروليكي بمساعدة الذكاء الاصطناعي (AI-Assisted Hydraulic Design)، وتحسين النماذ البديلة (Surrogate Model Optimization)، والتحسين متعدد الأهداف للمضخات (Multi-Objective Pump Optimization).ير أحدث أبحاث يوان شوقي، وغان شينغتشنغ، وبي جي وآخرين من جامعة جيانغسو إلى أن التحسين الهيدروليكي لمضخات الطرد المركزي يواجه فضاء تصميم عالي الأبعاد، واقترانًا غير خطي قوي، وتعارضًا متعدد الأهداف، وأن الشبكات العصبية الاصطناعية، وانحدار المتجهات الداعمة، وانحدار العمليات الغاوسية، بالإضافة إلى الخوارزميات الجينية وخوارزميات سرب الجسيمات والتطور التفاضلي، أصبحت أدوات مهمة لتعزيز القدرة على البحث الأمثل الشامل والأكثر جديرًا بالاهتمام أن الذكاء الاصطن بدأ يُنتج نتائج هندسية قابلةقياس الكمي. في عام 2026، اعتمدت دراسة محلية حول مضخات تدوير الماء الساخن التحسين المشترك باستخدام XGBoost وPB-NSGA-III لعرض مخرج المدفع الدافع وزاوية الالتفاف وزاوية تركيب المخرج، مما رفع كفاءة نقطة التصميم بمقدار 3.20 نقطة مئوية؛ وفي الفترة نفسها، استخدمت مجلة 《Energy》 تحسين BN+NSGA-II للقنوات البينية في مضخة طرد مركزي متعددة المراحل عالية السرعة، مما رفع الارتفاع بمقدار 9.7% والكفاءة بمقدار 3%. كما تجمع الأبحاث الدولية بين CFD وANN وخوارزميات NSGA وGWO وغيرها لتحسين الكفاءة واستهلاك الطاقة وأداء التكهف آن واحد. يمكن لشركة جيانغسو هايفا للتصنيع الميكانيكي المحدودة www.jslgpump.com أن تُدخل هذا المسار التقني بشكل أعمق في تطوير مضخات API 610 من سلسلة OH1～OH6 وBB1～BB5 وVS ومضخات OH6 عالية السرعة ومضخات BB5 متعددة المراحل عالية الضغط. تستطيع هايفا إدراج كفاءة نقطة التشغيل المثلى (BEP) وNPSHr وقدرة العمود ونبضات الضغط والقوة الشعاعية وإنتاج الإنتروبيا واستجابة الاهتز ضمن أهداف التحسين في آن واحد، وإنشاء عملية مغلقة من "مذجة المُعلمية — توليد عينات CFD — نموذج بديل للتعلم الآلي (Machine Learning Surrogate Model) — البحث الأمثل بـ NSGA-II — التحقق عبر اختبار القبول FAT للنموذ الأولي". مصانع المضخات القادرة على المنافسة حقًا في المستقبل لن تمتلك فقط بضعة نماذج هيدريكية ناضجة، بل ستكون قادرة على تحويل الاختبار التاريخية إلى مجموعة بيانات تصميم المضخات (Pump Design Dataset)، والتحسين المُعلم بالفيزياء (Physics-Informed Optimization)، ومكتبة النماذج الهيدروليكية بالذكاء الاصطن (AI Hydraulic Model Library)، والتم الهيدروليكي الرقمي (Digital Hydraulic Twin). بالنسبة لمضخات BB5 عالية الضغط ومضخات العمليات OH2 ومضخات OH6 عالية السرعة، فإن قيمة الذكاء الاصطناعي لا تكمن استبدالندسين، بل في إيجاد النطاق التصم الأمثل الذي يوازن بين الكفاءة العالية وانخفاض NPSHr وانخفاض النبضات والتشغيل الواسع النطاق بسرعة أكبر. المراجع الصينية: يوان شوقي، غان شينغتشنغ، بي جي، وانغ ون جيه، تانغ ياجينغ: "تقدم البحث في التحسين الهيدروليكي لمضخات الطرد المركزي المدعوم بالذكاء الاصطناعي"، مجلة هندسة آلات الري والصرف، 2026، 44(8): 757-772، DOI: 10.3969/j.issn.1674-8530.26.0050. ل دونغ، شي تشنتشن، سونغ تاو، يانغ سونغ: "تحسين الأداء الهيدروليكي لمضخات تدوير الماء الساخن بناءً على Xoost وPB-NSGA-Ⅲ"، مجلة هندسة آلات الري والصرف،2026، 44(4): 325-. غان شينغتشنغ، بي جي، يوان شوقي وآخرون: "المعلمية لأداء النماذج البديلة في مسائل التحسين الهيدروليكي لمضخات الطرد المركزي"، مجلة هندسة آلات ال والصرف، 2024، 42(12): 1211-122. تقارن الدراسة ملاءمة ANN واستجابة السطح وKriging تحت أحجام عينات مختلفة. المراجع: Redesign and optimization of the interstage passage for improving energy efficiency of a centrifugal pump with high power, Energy, 2026, Article 141816. بعد تحسين BPNN+NSGA-II ارتفع الارتفاع بمقدار 9.% والكفاءة بمقدار 3%. Artificial intelligence-driven hybrid metaheuristic optimization of mixed-flow: Balancing efficiency, power consumption, and cavitation performance, Progress in Engineering Science, 2026, DOI: 10.1016/j.pes.2026.100. Enhancing pump performance via multi-objective optimization using CFD and NSGA-II algorithm, Engineering Computations, 2026. تجمع الدراسة بين CFD والنماذج البديلة وNSGA-II لتحسين عرض مخرج المدفع الدافع وزاوية المخرج وزاوية الالتفاف. Optimization and Validation of a Micro-Centrifugal Pump Based on a CFD Simulation and Optimization Platform, Applied Sciences 2026, 16(10), 459.