離心引風機高速流體和低速流體相互拉動，導致動能損失較大，再加上二次流的阻礙，葉輪的流動質(zhì)量大大降低，這種結(jié)構(gòu)非常不利于風機的運行。8dQ流量工況下，長葉片的吸力面存在較大的別離區(qū)，而且在短葉片的吸力面構(gòu)成兩個旋渦區(qū)，其中葉片出口處的旋渦由于相鄰葉道的葉片壓力面的高壓區(qū)向葉片吸力面回流而構(gòu)成。葉片切縫后，流道出口附近的速度梯度更加平衡，沒有回流。這是因為通過槽道的流動可以將吸入面出口附近的流體吹走，這不僅避免了流出的現(xiàn)象，而且還將低速流體吸入吸入吸入面，改善了葉輪內(nèi)部的流場。結(jié)果表明，當裂縫正好位于上邊界層剝離的前端時，效果較佳。相比之下，離心引風機葉片入口（段）開口間隙的速度沒有顯著變化。葉片出口發(fā)生了巨大變化。葉片出口處的速度分布變得更加均勻，而原葉輪出口處的速度從吸入側(cè)到壓力側(cè)變化很大，說明槽達到了預期的優(yōu)化目的。

（1）通過數(shù)值模擬研究了開槽對風機性能的影響。結(jié)果表明，開槽有利于提高風機的性能，對風機的流場有很大的影響。

（2）開槽參數(shù)a/c=1.67，b/c=0.169時，風機性能相對較佳，風機總壓提高4.25%，效率提高1.49%。

（3）離心引風機葉片切縫后，通過切縫的流體能有效防止葉片表面附面層脫落，減少流動損失，當切縫位置與附面層分離前沿對齊時，效果佳，使轉(zhuǎn)輪出口流速更加均勻。

（4）本文所得到的較佳插削參數(shù)只能從有限的方案中選取，可能會錯過較佳插削角度和位置，有待進一步研究。

具體離心引風機改造方案如下。

（1）對引風機和脫硫增壓風機的風量、風壓和系統(tǒng)阻力進行了試驗。測量了兩臺引風機在機組滿負荷運行時的實際運行數(shù)據(jù)。離心引風機根據(jù)具體形式可分為B、C、E、F四種，通常葉輪安裝在主軸端部。（2）根據(jù)試驗后實測數(shù)據(jù)，終確定引風機改造方案。在原風機電機不變的情況下，風機葉輪直徑由2557 mm增加到2624 mm，葉片類型發(fā)生變化。隨著風機葉輪直徑的增大，殼體、葉輪、輪轂和集熱器都被更換。同時，為了提高風機出口擋板的密封性，對風機出口擋板、進口擋板和執(zhí)行機構(gòu)進行更換，以提高風機的效率。

（3）引風機軸承冷卻方式由工業(yè)水冷卻改為帶風機軸承冷卻，降低了用水量。

離心引風機的性能保證：

（1）風量（Tb點工況，145c）：134m3/s；

（2）全壓升（Tb點工況，145c）：7040pa；

（3）風機全壓升效率（BMCR）：86%，風機輸入軸承。這兩部分的溫度監(jiān)測大多采用遙控設(shè)備完成溫度數(shù)據(jù)的傳輸和監(jiān)測。能夠看出在延伸短葉片后，改善計劃一的風機短葉片吸力面的兩個旋渦消失，葉片鄰近的別離區(qū)顯著的減小，但改善計劃一的長葉片吸力面依然存在較大的別離區(qū)，因此風機的全體功率進步并不太顯著。當然，離心引風機溫度傳感器也是常用的設(shè)備，可以完成機組保護和溫度監(jiān)測。當溫度超過要求時，繼電器將發(fā)出警告。如果此時溫度變化明顯，繼電器內(nèi)部的液體裝置也會發(fā)生劇烈變化，導致指針旋轉(zhuǎn)。如果指針指示的值達到負載極限，將發(fā)出警報。

因此，離心引風機選擇了LHS方法對離心風機的實驗數(shù)據(jù)進行采集。離心引風機在實驗的初始階段，收集的數(shù)據(jù)不應超過總實驗數(shù)據(jù)的25%。假設(shè)收集的總數(shù)據(jù)n=10天（d為輸入變量的維數(shù)），初始實驗中收集的實驗數(shù)據(jù)n 0應滿足n 0<0.25n=2.5d的要求，因此本文采用n 0=0。實驗初期采用25N作為實驗數(shù)據(jù)。風機的壓力值，效率基本不變，增大蝸殼舌與風機葉輪之間的間隙，可使風機總壓值提高到4711pa，效率提高2。數(shù)據(jù)采集的硬件實現(xiàn)方案如圖1所示。首先，用傳感器測量被測通風機的入口壓力、溫度、流量和轉(zhuǎn)速。然后將測量數(shù)據(jù)通過總線傳輸?shù)紻AQ數(shù)據(jù)采集系統(tǒng)。離心引風機的DAQ數(shù)據(jù)采集系統(tǒng)通過I/O設(shè)備將數(shù)據(jù)打包到上位機中。由于變量之間的維數(shù)差異，采集到的數(shù)據(jù)沒有直接應用于模型訓練，因此有必要對數(shù)據(jù)進行規(guī)范化，即將無量綱數(shù)據(jù)轉(zhuǎn)換為無量綱數(shù)據(jù)，并將采集到的數(shù)據(jù)映射到[0,1]的范圍內(nèi)，以提高模型的收斂速度和精度。模型。模型訓練和模型驗證離心風機性能預測模型的訓練結(jié)構(gòu)如圖2所示。該結(jié)構(gòu)可分為兩部分：數(shù)據(jù)采集與處理和模型訓練。前者主要完成實驗數(shù)據(jù)的采集和處理，后者實現(xiàn)了性能預測模型的建立和驗證。首先，采用LHS方法采集離心風機的實驗數(shù)據(jù)（入口溫度、壓力、流量和風機轉(zhuǎn)速），并對離心引風機數(shù)據(jù)進行處理，用于LSSVM模型。

離心引風機模型訓練完成后，將測試數(shù)據(jù)應用到所建立的模型中，驗證模型的有效性。如果所建立的離心引風機模型滿足建模的停止條件，則應用該模型。如果建立的模型不能滿足建模的停止條件，則需要收集更多的數(shù)據(jù)進行模型訓練。本文選取RBF核函數(shù)作為LSSVM的核函數(shù)。隨著國家環(huán)保政策的不斷深入，生產(chǎn)鍋爐的環(huán)保指標必須滿足超低排放要求。通過網(wǎng)格搜索方法得到核參數(shù)。煤礦主通風機采用離心風機。本文以離心風機為研究對象。采用LSSVM算法建立了風機性能預測模型，驗證了該方法的有效性。離心引風機模型培訓和測試樣本從現(xiàn)場分布式控制系統(tǒng)中獲得。采用lhs法，從離心風機穩(wěn)定運行區(qū)選取100組數(shù)據(jù)進行模型培訓，選擇50組試驗數(shù)據(jù)進行模型驗證，模型培訓的停止條件為rmse<0.05。離心引風機利用MATLAB實現(xiàn)了上述模型。圖3顯示了具有不同訓練樣本數(shù)的預測模型的RMSE。從圖3可以看出，隨著訓練樣本的增加，預測模型的RMSE值不斷下降，終趨于穩(wěn)定。當訓練樣本數(shù)為30時，模型滿足訓練停止條件。當模型滿足停止條件時，即使使用30個訓練樣本，模型的預測值也與實際值進行比較。由圖4可以看出，該模型能較好地預測離心風機的出力，預測值與實際數(shù)據(jù)吻合較好。