这些方法往往需要复杂的数学计算和重复的实验设计，建模周期长，成本高，存在风机历史运行数据使用不足，造成信息资源浪费等问题。近年来，随着-算法的发展，数据驱动建模方法逐渐应用于风机性能预测。基于风机的历史运行数据，提出了一种基于模糊rbf神经网络的离心风机建模方法。该方法取得了一定的效果。然而，神经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。.大型离心风机性能预测方法，采用lssvm算法和风机历史运行数据建立性能预测模型，风机采用lhs方法---建模数据在建模区间内均匀分布，提高模型的通用性。离心风机的数据采集是建立离心风机模型的基础，因此有---设计实验来采集---的离心风机模型数据。影响离心风机性能的输入变量很多，忽略了二次变量的影响。影响离心风机性能的主要变量是进口压力、进口温度、进口流量和转速。选择出口压力作为衡量离心风机性能的指标。为了提高模型的通用性，避免局部建模，采集的训练和测试数据应均匀分布在风机的整个运行范围内。lhs采用分层采样，将采样间隔均匀划分为若干等分，热循环风机，并在每个部分随机采集数据，---了数据分布的均匀性，避免了数据过度集中。
风机叶轮由若干结构参数组成，这些参数对离心风机的性能有着重要的影响。相似原理在风机上的应用，---地促进了风机的设计和改进。在风机设计中，根据相似原理，9-1---机，可以选择现有的风机或经过试验的机型进行相似设计，以---风机达到预期效果。在没有合适、的风机或模型的情况下，可以根据风机相似原理制作模型，然后将模型试验的结果转换为机器的实际结果，完成风机的设计。然而，相似原理的应用必须严格满足几何相似、运动相似和动态相似等相似条件。可以看出，在相同的条件下，通过风机转速与叶轮出口直径的比值，可以得到风机流量、静压、总压和内功率的比例关系。然而，当只改变叶轮结构参数时，改进后的风机与原型风机的相似性将不能得到满足。因此，本文通过改变风机叶轮的结构参数和数值计算方法，对改进后的风机性能进行了评价和分析。离心风机结构参数试验模型为2900转/分斜槽离心风机，传动方式为a型传动。斜槽离心风机主要由叶轮、蜗壳和集热器组成。叶轮由前、后、叶片三部分组成。前盘为锥形弧。叶轮直径480mm，叶片数20片。短刃10片，东营风机，长刃10片，分布均匀。短叶片为截短半径的前叶片，其余部分与长叶片结构相同，所有叶片出口安装角度为140度。叶轮图如图3.1所示。蜗壳为矩形截面，宽度为69mm。
在风机样机的基础上，只增加了风机叶轮的旋转直径。因此，改进后的风扇与样机的几何相似性不满足风扇相似性原理的条件。因此，通过改进后的数值计算分析了改进效果。第二种改进方案的基本思想是在风机外壳不变的情况下，增加风机叶轮的旋转直径。风机叶轮的具体改进方法在保持叶片出口安装角度不变的前提下，风机叶轮的旋转直径分别由480 mm增加到490 mm和500 mm。通过对改进后的风机的数值计算，在第二种改进方案中通过增加叶轮的旋转直径来提高风机的总压。当叶轮旋转直径增加到490m时，改进后的风机总压力增加到4765pa，相应的风机运行力矩增加到4.65n.m，风机效率基本不变。当叶轮旋转直径增加到500m时，风机总压力增加到4835pa，但风机扭矩相应增大，风机效率降低。风机样机蜗舌流线图表明，6-3---机，当气体流经样机蜗舌位置时，大量气体通过蜗舌与叶轮之间的间隙t流回蜗壳，流量损失较大。
|
登录后台
