摘要：［目的］针对工业设备表面严重结焦问题，本研究结合机器学习，开发了一种以有机硅树脂为基体的高性能抗结焦涂层。［方法］通过对配方涂层进行性能评估并结合XGBoost机器学习模型与SHAP可解释性分析框架，揭示各组分对涂层性能的贡献权重，进而筛选出最佳配方。［结果］涂层经XRD和SEM表征，高温烧结后，涂层主要相为Al、Al2O3和SiO2，初始附着力按GB/T 9286—2021标准评定为0级；在855 W超声空化9 h后，涂层完整性保留率仍高于95%，表现出优异的抗空化剥落能力。在75 ℃工业废水持续冲刷720 h后，涂层表面结焦率为5.3%。优化结果实验确定了有机膨润土（7%～8%，质量分数，后同）、玻璃料（450 ℃，15%～20%；600 ℃，5%～10%）、铝粉（20%～30%）及氧化铝（2%～5%）等关键填料的最优质量分数范围。［结论］本研究为小样本、多组分体系的配方优化探索了一种数据与实验双重驱动的研发途径，并为工业设备抗结焦防护提供了一种兼具高性能与经济性的涂层解决方案。