離心引風(fēng)機(jī)高速流體和低速流體相互拉動(dòng)，導(dǎo)致動(dòng)能損失較大，再加上二次流的阻礙，葉輪的流動(dòng)質(zhì)量大大降低，這種結(jié)構(gòu)非常不利于風(fēng)機(jī)的運(yùn)行。8dQ流量工況下，長(zhǎng)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(gè)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(méi)有回流。這是因?yàn)橥ㄟ^(guò)槽道的流動(dòng)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(chǎng)。結(jié)果表明，當(dāng)裂縫正好位于上邊界層剝離的前端時(shí)，效果較佳。相比之下，離心引風(fēng)機(jī)葉片入口（段）開(kāi)口間隙的速度沒(méi)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(shuō)明槽達(dá)到了預(yù)期的優(yōu)化目的。

（1）通過(guò)數(shù)值模擬研究了開(kāi)槽對(duì)風(fēng)機(jī)性能的影響。結(jié)果表明，開(kāi)槽有利于提高風(fēng)機(jī)的性能，對(duì)風(fēng)機(jī)的流場(chǎng)有很大的影響。

（2）開(kāi)槽參數(shù)a/c=1.67，b/c=0.169時(shí)，風(fēng)機(jī)性能相對(duì)較佳，風(fēng)機(jī)總壓提高4.25%，效率提高1.49%。

（3）離心引風(fēng)機(jī)葉片切縫后，通過(guò)切縫的流體能有效防止葉片表面附面層脫落，減少流動(dòng)損失，當(dāng)切縫位置與附面層分離前沿對(duì)齊時(shí)，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(huì)錯(cuò)過(guò)較佳插削角度和位置，有待進(jìn)一步研究。

具體離心引風(fēng)機(jī)改造方案如下。

（1）對(duì)引風(fēng)機(jī)和脫硫增壓風(fēng)機(jī)的風(fēng)量、風(fēng)壓和系統(tǒng)阻力進(jìn)行了試驗(yàn)。測(cè)量了兩臺(tái)引風(fēng)機(jī)在機(jī)組滿負(fù)荷運(yùn)行時(shí)的實(shí)際運(yùn)行數(shù)據(jù)。離心引風(fēng)機(jī)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(yàn)后實(shí)測(cè)數(shù)據(jù)，終確定引風(fēng)機(jī)改造方案。在原風(fēng)機(jī)電機(jī)不變的情況下，風(fēng)機(jī)葉輪直徑由2557 mm增加到2624 mm，葉片類(lèi)型發(fā)生變化。隨著風(fēng)機(jī)葉輪直徑的增大，殼體、葉輪、輪轂和集熱器都被更換。同時(shí)，為了提高風(fēng)機(jī)出口擋板的密封性，對(duì)風(fēng)機(jī)出口擋板、進(jìn)口擋板和執(zhí)行機(jī)構(gòu)進(jìn)行更換，以提高風(fēng)機(jī)的效率。

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

離心引風(fēng)機(jī)的性能保證：

（1）風(fēng)量（Tb點(diǎn)工況，145c）：134m3/s；

（2）全壓升（Tb點(diǎn)工況，145c）：7040pa；

（3）風(fēng)機(jī)全壓升效率（BMCR）：86%，風(fēng)機(jī)輸入軸承。這兩部分的溫度監(jiān)測(cè)大多采用遙控設(shè)備完成溫度數(shù)據(jù)的傳輸和監(jiān)測(cè)。能夠看出在延伸短葉片后，改善計(jì)劃一的風(fēng)機(jī)短葉片吸力面的兩個(gè)旋渦消失，葉片鄰近的別離區(qū)顯著的減小，但改善計(jì)劃一的長(zhǎng)葉片吸力面依然存在較大的別離區(qū)，因此風(fēng)機(jī)的全體功率進(jìn)步并不太顯著。當(dāng)然，離心引風(fēng)機(jī)溫度傳感器也是常用的設(shè)備，可以完成機(jī)組保護(hù)和溫度監(jiān)測(cè)。當(dāng)溫度超過(guò)要求時(shí)，繼電器將發(fā)出警告。如果此時(shí)溫度變化明顯，繼電器內(nèi)部的液體裝置也會(huì)發(fā)生劇烈變化，導(dǎo)致指針旋轉(zhuǎn)。如果指針指示的值達(dá)到負(fù)載極限，將發(fā)出警報(bào)。

因此，離心引風(fēng)機(jī)選擇了LHS方法對(duì)離心風(fēng)機(jī)的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行采集。離心引風(fēng)機(jī)在實(shí)驗(yàn)的初始階段，收集的數(shù)據(jù)不應(yīng)超過(guò)總實(shí)驗(yàn)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(shí)驗(yàn)中收集的實(shí)驗(yàn)數(shù)據(jù)n 0應(yīng)滿足n 0<0.25n=2.5d的要求，因此本文采用n 0=0。實(shí)驗(yàn)初期采用25N作為實(shí)驗(yàn)數(shù)據(jù)。風(fēng)機(jī)的壓力值，效率基本不變，增大蝸殼舌與風(fēng)機(jī)葉輪之間的間隙，可使風(fēng)機(jī)總壓值提高到4711pa，效率提高2。數(shù)據(jù)采集的硬件實(shí)現(xiàn)方案如圖1所示。首先，用傳感器測(cè)量被測(cè)通風(fēng)機(jī)的入口壓力、溫度、流量和轉(zhuǎn)速。然后將測(cè)量數(shù)據(jù)通過(guò)總線傳輸?shù)紻AQ數(shù)據(jù)采集系統(tǒng)。離心引風(fēng)機(jī)的DAQ數(shù)據(jù)采集系統(tǒng)通過(guò)I/O設(shè)備將數(shù)據(jù)打包到上位機(jī)中。由于變量之間的維數(shù)差異，采集到的數(shù)據(jù)沒(méi)有直接應(yīng)用于模型訓(xùn)練，因此有必要對(duì)數(shù)據(jù)進(jìn)行規(guī)范化，即將無(wú)量綱數(shù)據(jù)轉(zhuǎn)換為無(wú)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(xùn)練和模型驗(yàn)證離心風(fēng)機(jī)性能預(yù)測(cè)模型的訓(xùn)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(xùn)練。前者主要完成實(shí)驗(yàn)數(shù)據(jù)的采集和處理，后者實(shí)現(xiàn)了性能預(yù)測(cè)模型的建立和驗(yàn)證。首先，采用LHS方法采集離心風(fēng)機(jī)的實(shí)驗(yàn)數(shù)據(jù)（入口溫度、壓力、流量和風(fēng)機(jī)轉(zhuǎn)速），并對(duì)離心引風(fēng)機(jī)數(shù)據(jù)進(jìn)行處理，用于LSSVM模型。

離心引風(fēng)機(jī)模型訓(xùn)練完成后，將測(cè)試數(shù)據(jù)應(yīng)用到所建立的模型中，驗(yàn)證模型的有效性。如果所建立的離心引風(fēng)機(jī)模型滿足建模的停止條件，則應(yīng)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(jìn)行模型訓(xùn)練。本文選取RBF核函數(shù)作為L(zhǎng)SSVM的核函數(shù)。隨著國(guó)家環(huán)保政策的不斷深入，生產(chǎn)鍋爐的環(huán)保指標(biāo)必須滿足超低排放要求。通過(guò)網(wǎng)格搜索方法得到核參數(shù)。煤礦主通風(fēng)機(jī)采用離心風(fēng)機(jī)。本文以離心風(fēng)機(jī)為研究對(duì)象。采用LSSVM算法建立了風(fēng)機(jī)性能預(yù)測(cè)模型，驗(yàn)證了該方法的有效性。離心引風(fēng)機(jī)模型培訓(xùn)和測(cè)試樣本從現(xiàn)場(chǎng)分布式控制系統(tǒng)中獲得。采用lhs法，從離心風(fēng)機(jī)穩(wěn)定運(yùn)行區(qū)選取100組數(shù)據(jù)進(jìn)行模型培訓(xùn)，選擇50組試驗(yàn)數(shù)據(jù)進(jìn)行模型驗(yàn)證，模型培訓(xùn)的停止條件為rmse<0.05。離心引風(fēng)機(jī)利用MATLAB實(shí)現(xiàn)了上述模型。圖3顯示了具有不同訓(xùn)練樣本數(shù)的預(yù)測(cè)模型的RMSE。從圖3可以看出，隨著訓(xùn)練樣本的增加，預(yù)測(cè)模型的RMSE值不斷下降，終趨于穩(wěn)定。當(dāng)訓(xùn)練樣本數(shù)為30時(shí)，模型滿足訓(xùn)練停止條件。當(dāng)模型滿足停止條件時(shí)，即使使用30個(gè)訓(xùn)練樣本，模型的預(yù)測(cè)值也與實(shí)際值進(jìn)行比較。由圖4可以看出，該模型能較好地預(yù)測(cè)離心風(fēng)機(jī)的出力，預(yù)測(cè)值與實(shí)際數(shù)據(jù)吻合較好。