离心式风机型号广泛应用于冶金、化工、钢铁、水泥等重工业。其结构特点是整体结构紧凑，叶轮宽径比小，内、外径比小，长、短叶片分布均匀，压力系数高，流量系数小，因此常用于高压、小流量场合。针对风机效率低、加工工艺复杂等缺点，提出了一种改进的风机效率设计方案，并采用CFD数值计算方法进行了分析验证。以提高离心式风机型号的效率和增大其全压为改进目标，对风机的短叶片长度、增大风机叶轮的旋转直径和改变风机蜗壳蜗舌与叶轮的间隙，对风机性能的影响进行了研究。本文对风机进行改进和设计的主要思路是利用N-S方程和SSTK-U湍流模型计算斜槽风机样机的流量。数值计算结果与原始测量数据吻合较好，证明了该计算模型和数值计算方法的可行性。通过对离心式风机型号不同截面的等值线和流线的观测，分析了叶轮通道内流动损失的原因。通过控制叶片吸力面边界层的分离，降低了风机的内部流动损失。针对风机内部流动状况，提出了三种不同的改进方案。在改进方案不能满足性能要求的情况下，对风机进行了重新设计。为了使风机叶片通道内的流动更加合理，根据叶轮通道截面面积逐渐变化的原理，建立了风机叶片型线形成的数学模型，并根据该数学模型完成了风机叶片型线的设计。风机叶片的设计采用“双圆弧”成形方法，不仅简化了风机的加工工艺，而且使风机的总压力提高到5257pa，效率提高到68%。后介绍了离心风机的瞬态计算方法，分析了瞬态计算中时间步长的选择原则。采用瞬态数值方法对新设计的风机内部流动进行了数值模拟。叶片吸力面内部旋涡由于自身叶道的压力面向吸力面回流而构成较大的旋涡。在瞬态计算结果稳定后，离心式风机型号采用FW-H模型计算了设计风机的气动噪声，远场噪声值为58dB。从误差曲线可以看出，离心式风机型号计算值与原测量值之间的误差小于小流量条件下的误差。全压计算的误差为8.1%，效率计算的误差为3.6%，误差较小。因此，所采用的数值计算方法更为准确，可用于风机的改进和设计。为了研究斜槽风机内部的压力分布和速度分布，分析斜槽风机在不同工况下的内部流动，找出了3.4段斜槽风机效率急剧下降和设计工况效率低下的原因。横截面是在叶轮出口宽度处创建的，该宽度垂直于叶轮旋转轴，等于叶轮出口宽度。由于叶轮转动，离心式风机型号叶轮进口产生较大的负压值，使空气从集尘器进入叶轮。在叶轮中，由于叶轮的转动和叶片对气体的作用，叶轮内部沿径向由内向外移动，总压值逐渐增大。总压在叶轮出口外缘和叶片压力面上。由此可见，由于叶轮旋转的离心力，沿离心式风机型号叶轮的径向，叶轮内的速度由内向外逐渐增大。通过截取叶轮出口的圆形截面，观察截面上的径向速度值，可以观察到离心风机普遍存在的尾流结构。离心式风机型号叶片压力面附近的径向速度值较大，形成射流区；叶片吸力面附近的径向速度值较小，形成尾迹区。改善完成后按照离心式风机型号原型机的数值计算方法，对改善后的风机进行数值计算，能够看出通过向内延伸斜槽式离心风机的短叶片，将风机的所需扭矩由4。针对离心式风机型号历史运行数据使用不足、建模周期长的问题，提出了一种基于较小二乘支持向量机（LSSVM）和拉丁超立方体采样（LHS）的大型离心风机性能预测方法。以出口压力作为衡量离心风机性能的指标，采用LSSVM建立离心风机性能预测模型。采用LHS方法对离心风机的进口温度、进口压力、进口流量和转速进行了采集，并对采集的数据进行了归1化处理，用于LSSVM模型的训练。通过试验数据对模型进行了验证。有效性。结果表明，离心式风机型号基于LSSVM和LHS的大型离心风机性能预测方法能够充分利用现有的风机数据信息，快速、准确地预测风机性能。离心风机的主要作用是保证空气供给，稀释***气体，降低煤尘浓度，对煤矿安全生产具有重要意义。通风机性能稳定直接关系到地下设备的可靠运行和人员的安全。（1）对引风机和脱硫增压风机的风量、风压和系统阻力进行了试验。离心式风机型号性能预测控制和运行优化是建立在准确的性能预测模型基础上的，因此建立准确的风机性能预测模型具有十分重要的意义。建立离心式风机型号性能预测模型的主要方法有三种：（1）应用数学、流体力学和流场理论建立离心风机模型，预测离心风机的性能。（2）实验方法是利用***的测量技术，建立离心风机在各种工况下的实验模型。（3）基于计算机技术，利用各种CFD（计算流体力学）数值模拟技术建立离心风机性能预测模型。因此，离心式风机型号选择了LHS方法对离心风机的实验数据进行采集。离心式风机型号在实验的初始阶段，收集的数据不应超过总实验数据的25%。假设收集的总数据n=10天（d为输入变量的维数），初始实验中收集的实验数据n0应满足n0lt;0.25n=2.5d的要求，因此本文采用n0=0。实验初期采用25N作为实验数据。数据采集的硬件实现方案如图1所示。首先，用传感器测量被测通风机的入口压力、温度、流量和转速。然后将测量数据通过总线传输到DAQ数据采集系统。离心式风机型号的DAQ数据采集系统通过I/O设备将数据打包到上位机中。由于变量之间的维数差异，采集到的数据没有直接应用于模型训练，因此有必要对数据进行规范化，即将无量纲数据转换为无量纲数据，并将采集到的数据映射到[0,1]的范围内，以提高模型的收敛速度和精度。模型。模型训练和模型验证离心风机性能预测模型的训练结构如图2所示。该结构可分为两部分：数据采集与处理和模型训练。前者主要完成实验数据的采集和处理，后者实现了性能预测模型的建立和验证。随着***环保政策的不断深入，生产锅炉的环保指标必须满足超低排放要求。首先，采用LHS方法采集离心风机的实验数据（入口温度、压力、流量和风机转速），并对离心式风机型号数据进行处理，用于LSSVM模型。)