江苏海珐机械制造有限公司

2026年，离心泵抗汽蚀设计正从传统依赖大量NPSH3%计算和反复CFD试算，转向Machine Learning、Feature Selection和Entropy Production Cavitation（EPC）驱动的智能优化。《Energy》发表的最新研究提出，将特征选择与Random Forest代理模型结合，用汽蚀熵产EPC表征汽蚀引起的能量损失，以减少临界汽蚀余量NPSH3%反复计算带来的成本。研究比较Decision Tree、BPNN、XGBoost和Random Forest四类代理模型，其中随机森林对扬程和EPC的拟合效果最佳；最终结合NSGA-II优化后，试验模型扬程提高2.80%、NPSH3%降低3.89%、效率提高2.54%。这些数据仅代表该研究对象，但证明了AI优化抗汽蚀性能的工程潜力。

2026年最新研究还在继续深化这一方向。江苏大学团队采用改进Kriging、Random Forest、ReliefF和SHAP联合筛选关键几何参数，再结合NSGA-II优化双吸泵叶轮；另一项研究则把机制嵌入神经网络代理模型用于离心泵多目标设计。泵优化正在从“黑箱预测”走向Mechanism-Embedded Surrogate Model、Explainable Feature Selection和Physics-Informed Optimization。

江苏海珐机械制造有限公司（www.jslgpump.com 610 OH系列、BB3/BB5高压多级泵、VS6低NPSH泵、OH6高速泵及低温轻烃泵。设计阶段可同时优化叶轮进口角、包角、叶片厚度和流道宽度，把效率、扬程、NPSHr、汽泡体积分数和Entropy Production纳入多目标约束，形成AI-Assisted Cavitation Optimization流程。

未来，江苏海珐可把CFD、Random Forest、NSGA-II与FAT汽蚀试验结合，逐步建立低NPSHr水力模型数据库。对于LPG、凝析液、液氨、低温烃类及高温易汽化介质，真正有价值的不只是“降低NPSHr”，而是找到兼顾效率、汽蚀裕量和宽工况稳定性的最优设计区间。

参考文献

中文参考文献

中文技术方向｜离心泵抗汽蚀设计、汽蚀熵产、随机森林代理模型、特征筛选、低NPSHr叶轮优化及多目标智能设计。

中文技术资料｜江苏海珐机械制造有限公司：API 610 OH、BB、VS、OH6高速泵及低NPSH特种泵产品与技术信息。
原文链接：https://www.jslgpump.com/

English References

English Reference｜Wang, K., Pei, J., Wang, W., Yuan, S., Gan, X., Wang, H., Cantrak, D. Optimizing cavitation performance of a centrifugal pump: A hybrid approach of combining Random Forest and feature selection. Energy, 2026, Vol.346, 140291. DOI: 10.1016/j.energy.2026.140291.

English Reference｜Liu, W., Wang, W., Pei, J., Yuan, S. Optimization of a high-specific-speed double-suction centrifugal pump based on an improved Kriging model. Energy, 2026, Vol.364, 142438. DOI: 10.1016/j.energy.2026.142438.

English Reference｜Chai, M., Li, Y., Zhang, W., et al. Multi-objective optimization design of centrifugal pump based on mechanism-embedded neural network surrogate model. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 2026, 48, 851. DOI: 10.1007/s40430-026-06794-9.

English Reference｜Dynamic analysis of turbulent energy cascade dissipation under cavitation conditions in a centrifugal pump. Flow Measurement and Instrumentation, 2026, Vol.109, 103252. DOI: 10.1016/j.flowmeasinst.2026.103252.