當(dāng)離心通風(fēng)機(jī)廠家改進(jìn)后的方法不能達(dá)到預(yù)期效果時(shí)，采用現(xiàn)代風(fēng)機(jī)設(shè)計(jì)理論完成風(fēng)機(jī)的設(shè)計(jì)，詳細(xì)介紹了風(fēng)機(jī)各部件結(jié)構(gòu)參數(shù)的選擇原則。當(dāng)S型后緣角為5度，葉片傾角適當(dāng)增大時(shí)，可有效降低空調(diào)風(fēng)機(jī)噪聲。葉片成形方法是基于葉輪流道橫截面積逐漸變化的原理。建立了風(fēng)機(jī)葉片型線成形的數(shù)學(xué)模型。根據(jù)該數(shù)學(xué)模型，采用“雙圓弧”拼接法完成了葉片型線的繪制。建立風(fēng)機(jī)三維模型后，對(duì)網(wǎng)格進(jìn)行劃分，離心通風(fēng)機(jī)廠家采用N-S方程。結(jié)合SSTK-U湍流模型，對(duì)斜槽風(fēng)機(jī)的原型風(fēng)機(jī)、改進(jìn)風(fēng)機(jī)和設(shè)計(jì)風(fēng)機(jī)進(jìn)行了流量計(jì)算。將原型風(fēng)機(jī)的計(jì)算結(jié)果與原始測(cè)量數(shù)據(jù)進(jìn)行了比較，詳細(xì)分析了SSTK-U湍流模型計(jì)算結(jié)果的準(zhǔn)確性，即離心風(fēng)機(jī)的數(shù)值計(jì)算。湍流模型的選擇提供了很好的參考。離心通風(fēng)機(jī)廠家的瞬態(tài)計(jì)算方法，分析了瞬態(tài)計(jì)算中時(shí)間步長(zhǎng)的選擇原則。采用瞬態(tài)數(shù)值方法對(duì)新設(shè)計(jì)的風(fēng)機(jī)內(nèi)部流動(dòng)進(jìn)行了數(shù)值模擬。在瞬態(tài)計(jì)算結(jié)果穩(wěn)定后，利用FW-H模型對(duì)設(shè)計(jì)風(fēng)機(jī)的氣動(dòng)噪聲進(jìn)行了計(jì)算。本文采用“風(fēng)機(jī)三維建模-斜槽風(fēng)機(jī)樣機(jī)數(shù)值計(jì)算-樣機(jī)內(nèi)部流動(dòng)特性分析-風(fēng)機(jī)改進(jìn)的確定和設(shè)計(jì)方案-噪聲計(jì)算的瞬態(tài)法”的技術(shù)路線，完成了風(fēng)機(jī)的改進(jìn)和設(shè)計(jì)。斜槽風(fēng)機(jī)。

在離心通風(fēng)機(jī)廠家的改進(jìn)設(shè)計(jì)中，根據(jù)葉輪流道截面逐漸變化的原理，建立了風(fēng)機(jī)葉片型面成形的數(shù)學(xué)模型。對(duì)設(shè)計(jì)的流場(chǎng)進(jìn)行了計(jì)算。計(jì)算結(jié)果表明，新設(shè)計(jì)的風(fēng)機(jī)性能較好。但仍有一些問(wèn)題需要進(jìn)一步解決和改進(jìn)。

1。在離心通風(fēng)機(jī)廠家葉片型線設(shè)計(jì)中，選擇了葉片安裝角隨葉輪半徑線性變化的規(guī)律進(jìn)行設(shè)計(jì)，但風(fēng)機(jī)葉片型線的形成方法有多種形式。本文選擇了一種較為典型的線性成形方法，并取得了較好的效果。因此，可以對(duì)離心風(fēng)機(jī)葉片型線成形方法進(jìn)行進(jìn)一步的研究。

2。根據(jù)數(shù)值計(jì)算結(jié)果，得出以下結(jié)論：（1）通過(guò)比較設(shè)計(jì)風(fēng)機(jī)樣機(jī)和斜槽離心風(fēng)機(jī)樣機(jī)的數(shù)值計(jì)算結(jié)果，可以看出在設(shè)計(jì)流量條件下重新設(shè)計(jì)的離心機(jī)，風(fēng)機(jī)的總壓值高于E設(shè)計(jì)目標(biāo)，效率68%，效率比樣機(jī)高19。通過(guò)觀察風(fēng)機(jī)設(shè)計(jì)工況下葉片通道的流線圖，可以看出設(shè)計(jì)風(fēng)機(jī)長(zhǎng)短葉片吸力面上仍存在一些分離現(xiàn)象。通過(guò)查閱文獻(xiàn)，發(fā)現(xiàn)一些流量控制方法可以改善葉片吸力面分離現(xiàn)象。因此，如果合理地將有效的流量控制方法應(yīng)用于設(shè)計(jì)風(fēng)機(jī)，可以使風(fēng)機(jī)的吸入面分離。性能進(jìn)一步提高。

3。在數(shù)值計(jì)算方面，在計(jì)算條件允許的情況下，可以使用更密集的網(wǎng)格和近壁模型。在湍流模型方面，還值得進(jìn)一步研究，以便在離心風(fēng)機(jī)的各種工況下得到更準(zhǔn)確的結(jié)果。

這些方法往往需要復(fù)雜的數(shù)學(xué)計(jì)算和重復(fù)的實(shí)驗(yàn)設(shè)計(jì)，建模周期長(zhǎng)，成本高，存在風(fēng)機(jī)歷史運(yùn)行數(shù)據(jù)使用不足，造成信息資源浪費(fèi)等問(wèn)題。采用LHS方法對(duì)離心風(fēng)機(jī)的進(jìn)口溫度、進(jìn)口壓力、進(jìn)口流量和轉(zhuǎn)速進(jìn)行了采集，并對(duì)采集的數(shù)據(jù)進(jìn)行了歸1化處理，用于LSSVM模型的訓(xùn)練。近年來(lái)，隨著人工智能算法的發(fā)展，數(shù)據(jù)驅(qū)動(dòng)建模方法逐漸應(yīng)用于風(fēng)機(jī)性能預(yù)測(cè)。基于離心通風(fēng)機(jī)廠家的歷史運(yùn)行數(shù)據(jù)，提出了一種基于模糊RBF神經(jīng)網(wǎng)絡(luò)的離心風(fēng)機(jī)建模方法。該方法取得了一定的效果。然而，神經(jīng)網(wǎng)絡(luò)建模所需的數(shù)據(jù)量大，建模周期長(zhǎng)，建模數(shù)據(jù)分布不優(yōu)化，可能導(dǎo)致建模數(shù)據(jù)過(guò)度集中，容易陷入局部較優(yōu)。.大型離心風(fēng)機(jī)性能預(yù)測(cè)方法，采用LSSVM算法和離心通風(fēng)機(jī)廠家歷史運(yùn)行數(shù)據(jù)建立性能預(yù)測(cè)模型，離心通風(fēng)機(jī)廠家采用LHS方法保證建模數(shù)據(jù)在建模區(qū)間內(nèi)均勻分布，提高模型的通用性。離心風(fēng)機(jī)的數(shù)據(jù)采集是建立離心風(fēng)機(jī)模型的基礎(chǔ)，因此有必要設(shè)計(jì)實(shí)驗(yàn)來(lái)采集必要的離心風(fēng)機(jī)模型數(shù)據(jù)。影響離心風(fēng)機(jī)性能的輸入變量很多，忽略了二次變量的影響。影響離心風(fēng)機(jī)性能的主要變量是進(jìn)口壓力、進(jìn)口溫度、進(jìn)口流量和轉(zhuǎn)速。選擇出口壓力作為衡量離心風(fēng)機(jī)性能的指標(biāo)。為了提高模型的通用性，避免局部建模，采集的訓(xùn)練和測(cè)試數(shù)據(jù)應(yīng)均勻分布在風(fēng)機(jī)的整個(gè)運(yùn)行范圍內(nèi)。lhs采用分層采樣，將采樣間隔均勻劃分為若干等分，并在每個(gè)部分隨機(jī)采集數(shù)據(jù)，保證了數(shù)據(jù)分布的均勻性，避免了數(shù)據(jù)過(guò)度集中。