通过对离心引风机不同方案的改进，得出如下结论：向内延长斜槽风机叶轮的短叶片，可以有效地减小风机所需的扭矩，提高风机在设计条件下的效率；延长斜槽风机叶轮的长叶片和短叶片，可以提高风机的效率。外扩可以明显提高风机的总压，但随着总压的增大，风机所需的扭矩也随之增大。因此，风扇的效率几乎不变。减小斜槽离心风机样机蜗壳与叶轮的间隙，不仅可以提高风机的总压，而且可以降低风机所需的扭矩，提率2.1%。斜槽离心风机的压力特性曲线表明，离心风机的总压力没有单调变化，但随着风机流量的增加，斜槽离心风机的总压力减小。通过对离心引风机样机内部流动的分析，提出了三种不同的改进方案，每种方案都提高了风机的一定性能参数。

风机短叶片向内加长，提高风机效率；风机旋转直径增大，风机总压增大；蜗壳舌与风机叶轮间隙适当减小，风机总压和效率提高。证实了。但离心引风机仍采用复杂的曲面叶片结构，这不会改善风机加工工艺的复杂故障，每一个改进方案都不能改善风机叶片通道内的流动特性，使风机的总压力值达到5000pa以上，且冲击力较大。提高风扇的效率。如果只重新设计风机的叶轮结构，必然会导致叶轮与风机蜗壳结构不匹配，导致风机性能急剧下降。因此，本文采用现代风机设计理论，以全压5000pa、转速2900rmp、离心引风机的风量1300hm/3为设计目标，对风机进行了重新设计，以满足合作公司的性能要求，提高风机的整体性能。依据通风机的功能曲线，不只能够查验计算参数与实测参数之间的共同程度，还能够断定通风机的适应性。在设计中，主要介绍了风机叶轮、蜗壳和集热器结构参数的选择方法，介绍了叶片结构的选择。

离心引风机的叶轮进口直径和出口直径增大，叶片进口安装角增大，叶轮进口宽度、出口宽度和叶片出口安装角减小。为了保证叶轮通道的横截面积逐渐变化，叶片安装角aβ由1aβ逐渐变为2aβ。因此，根据离心引风机叶片安装角随叶轮半径线性变化的规律，设计了风机叶片安装角。5%，炉内负压维持在0-50pa，锅炉稳定运行2小时后，现场测量两台引风机数据。通过对第三章斜槽离心风机内部流动特性的分析，可以看出，具有复杂“多弧”叶片的原型叶片吸力面具有较强的涡度，导致风机内部流动损失增大，无法提高风机的整体效率。

为了避免样机叶片结构复杂，提高风机效率，提高风机叶片的加工工艺，采用“双圆弧”拼接的方法进行叶片成型。离心风机蜗壳成形及参数选择离心风机蜗壳是将离开叶轮的气体引至蜗壳出口，将部分气体动能转化为静压的装置。下面介绍了离心风机蜗壳主要几何参数和参数的选择方法。蜗壳的主要几何参数包括蜗壳横截面积的周向变化、横截面积的形状、横截面积的径向位置、蜗壳的入口位置和蜗壳舌的结构。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。离心引风机根据不同的截面形状，蜗壳可分为矩形截面、平行壁蜗壳、圆形截面蜗壳等。

研究结果表明，离心引风机叶片结构复杂，不仅使风机难以加工，而且增加了风机内部的流动损失，降低了风机的效率。为了提高离心引风机的总压和效率，对斜槽离心风机进行了改进和设计。采用数值计算方法对斜槽离心风机的内部流动进行了分析，并根据内部流动规律进行了相应的改进和设计工作。通过查阅大量的离心风机优化设计文献，深入了解风机不同结构参数对风机内部流动特性的影响，并采用数值计算方法建立风机三维模型，划分网格，离心引风机采用N-S方程，结合W。利用SSTK-U湍流模型，模拟了斜通道风机的原型。通过对样机计算结果与原始测量数据的比较，详细分析了SSTK-U湍流模型的精度，为离心风机数值计算选择湍流模型提供了良好的参考。通过观察风机不同截面的等值线和流线图，分析了风机的内部流动特性，为离心风机的改进提供了思路。然而，***网络建模所需的数据量大，建模周期长，建模数据分布不优化，可能导致建模数据过度集中，容易陷入局部较优。在斜槽离心风机样机的基础上，提出了三种改进方案：向内延长风机短叶片可减少短叶片吸力面分离，提高风机效率2.3%；增大风机叶轮旋转直径可提高总压。风机的压力值，效率基本不变，增大蜗壳舌与风机叶轮之间的间隙，可使风机总压值提高到4711pa，效率提高2.1%。

离心引风机模型训练完成后，将测试数据应用到所建立的模型中，验证模型的有效性。如果所建立的离心引风机模型满足建模的停止条件，则应用该模型。如果建立的模型不能满足建模的停止条件，则需要收集更多的数据进行模型训练。本文选取RBF核函数作为LSSVM的核函数。通过网格搜索方法得到核参数。煤矿主通风机采用离心风机。本文以离心风机为研究对象。采用LSSVM算法建立了风机性能预测模型，验证了该方法的有效性。离心引风机模型培训和测试样本从现场分布式控制系统中获得。采用lhs法，从离心风机稳定运行区选取100组数据进行模型培训，选择50组试验数据进行模型验证，模型培训的停止条件为rmse<0.05。一般情况下，称蜗壳与转轴之间的走漏为外走漏，但由于外走漏的值比较小，一般忽略不计。离心引风机利用MATLAB实现了上述模型。图3显示了具有不同训练样本数的预测模型的RMSE。从图3可以看出，随着训练样本的增加，预测模型的RMSE值不断下降，终趋于稳定。当训练样本数为30时，模型满足训练停止条件。当模型满足停止条件时，即使使用30个训练样本，模型的预测值也与实际值进行比较。由图4可以看出，该模型能较好地预测离心风机的出力，预测值与实际数据吻合较好。