一种风机系统性能预测方法与装置

本发明属于风机系统性能检测领域，更具体地，涉及一种风机系统性能预测方法与装置。

背景技术：

1、风机系统生产加工、运输过程中等多方面因素的影响，实际几何参数与设计参数产生较大的差异，导致风机系统作为零部件安装整体产品及设备当中时，噪声及气动性能无法满足设计的要求，当前主要采用经验判断或者抽样安装在整机产品当中，通过大量的实验来验证具体参数变化对气动性能与噪声性能的影响大小，但是存在以下不足：

2、1、因为参数比较多，所以无法确定对性能产生影响较大的关键几何参数。

3、2、研发效率低，过程中也会产生大量的零部件报废。

4、3、对于性能偏差较小的无法通过控制算法等方式进行矫正，确保整机产品的使用性能要求。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明的目的在于提供一种风机系统性能预测方法与装置，通过kriging或人工神经网络构建性能参数与几何参数、转速之间关系的近似模型，能够通过测量风机系统的几何参数及转速，即可预测风机性能(包括风量、噪声)；并且，利用该模型，还能够对实际制备的风机系统进行现场在线修正，得到风量、噪声满足目标的风机系统。

2、为实现上述目的，按照本发明的一个方面，提供了一种风机系统性能预测方法，其特征在于，包括以下步骤：

3、(1)对风机的几何参数及转速进行正交设计，并通过仿真计算或者实验测试得到性能参数，建立训练集；训练集中的任意一组数据同时包括风机系统的几何参数、转速以及相应的性能参数；然后基于训练集数据，通过kriging或人工神经网络构建性能参数与几何参数、转速之间关系的近似模型；

4、所述性能参数包括风量、噪声中的至少一者；

5、(2)对于待进行性能预测的风机系统，测量其几何参数及转速，并输入步骤(1)得到的近似模型，即可得到性能参数预测结果。

6、作为本发明的进一步优选，步骤(1)中，训练集的数据是在标准工况下得到的；步骤(2)得到的性能参数预测结果也对应标准工况下；

7、步骤(2)中，还包括对待进行性能预测的风机系统所处的环境参量进行检测，利用所述环境参量换算至所述环境参量对应的标准工况下，然后在标准工况下进行性能参数预测；其中，所述环境参量同时包括温度、气压、海拔高度。

8、作为本发明的进一步优选，所述性能参数与几何参数、转速之间关系的近似模型还经过了可靠性验证，精度满足预设要求；

9、优选的，所述预设要求为精度大于95％。

10、作为本发明的进一步优选，所述几何参数同时包括蜗壳型线、叶片进口角、叶片出口角、叶片圆弧半径、叶轮高度、叶轮与蜗壳的间隙、蜗壳出口的宽度、蜗壳出口的长度。

11、按照本发明的另一方面，本发明提供了一种风机系统性能预测装置，其特征在于，包括：

12、图像识别模块，用于采集风机系统的几何参数；

13、转速采集模块，用于采集风机系统的转速；

14、性能参数与几何参数、转速之间关系的近似模型，用于根据采集得到的风机几何参数及风机转速，得到风机性能参数预测结果并输出；所述性能参数包括风量、噪声中的至少一者；该性能参数与几何参数、转速之间关系的近似模型，是基于训练集数据通过kriging或人工神经网络构建的；所述训练集是对风机的几何参数及转速进行正交设计，并通过仿真计算或者实验测试得到性能参数建立得到的；训练集中的任意一组数据同时包括风机系统的几何参数、转速以及相应的性能参数。

15、作为本发明的进一步优选，所述图像识别模块有若干个，分别设置在风机的正面、侧面和出口。

16、按照本发明的又一方面，本发明提供了一种风机系统的现场在线修正方法，其特征在于，包括以下步骤：

17、s1.对风机的几何参数及转速进行正交设计，并通过仿真计算或者实验测试得到性能参数，建立训练集；训练集中的任意一组数据同时包括风机系统的几何参数、转速以及相应的性能参数；然后基于训练集数据，通过kriging或人工神经网络构建性能参数与几何参数、转速之间关系的近似模型；

18、所述性能参数同时包括风量、噪声；

19、s2.根据参数取值预先设定的风机系统设计几何参数，制备得到风机系统，并测量实际的几何参数，然后将测量采集到的实测几何参数与设计几何参数进行对比，若两者的偏差超过预设的偏差度要求，则对制备得到的风机系统的几何参数进行修正，并更新实测几何参数，直到实测几何参数与设计几何参数两者的偏差满足预设的偏差度要求；

20、s3.采集风机系统的转速，根据测量采集到的实测几何参数、以及采集到的转速，利用步骤s1得到的近似模型进行预测，得到风量预测值和噪声预测值；

21、若风量预测值小于预设的目标风量值、且噪声预测值也小于预设的目标噪声值，则：保持几何参数不变，通过加大风机系统的转速，再次利用步骤s1得到的近似模型进行预测，使风量预测值等于预设的目标风量值，并对风量预测值和噪声预测值进行更新；接着，若噪声预测值小于预设的目标噪声值，则修正结束；若噪声预测值大于预设的目标噪声值大于预设的目标噪声值，则通过对风机系统增加降噪材料的使用进行修正；

22、若风量预测值大于等于预设的目标风量值、且噪声预测值也大于等于预设的目标噪声值，则：保持几何参数不变，通过减小风机系统的转速，再次利用步骤s1得到的近似模型进行预测，使风量预测值等于预设的目标风量值，并对风量预测值和噪声预测值进行更新；接着，若噪声预测值小于预设的目标噪声值，则修正结束；若噪声预测值大于预设的目标噪声值，则通过对风机系统增加降噪材料的使用进行修正；

23、若风量预测值小于预设的目标风量值、且噪声预测值大于预设的目标噪声值，则：风机系统不合格，无法修正；

24、若风量预测值大于等于预设的目标风量值、且噪声预测值小于预设的目标噪声值，则：保持几何参数不变，通过减小风机系统的转速，再次利用步骤s1得到的近似模型进行预测，使风量预测值等于预设的目标风量值即可。

25、作为本发明的进一步优选，步骤s2中，几何参数同时包括蜗壳型线、叶片进口角、叶片出口角、叶片圆弧半径、叶轮高度、叶轮与蜗壳的间隙、蜗壳出口的宽度、蜗壳出口的长度。

26、作为本发明的进一步优选，步骤s2还包括：

27、对制备得到的风机系统的蜗壳盖板平整度进行测量，将测量采集到的实测蜗壳盖板平整度与设计蜗壳盖板平整度进行对比，若两者的偏差超过预设的偏差度要求，则对制备得到的风机系统的蜗壳盖板平整度进行修正，直到两者的偏差满足预设的偏差度要求。

28、通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下

29、有益效果：

30、1、本发明通过构建风机性能参数与几何参数、转速之间关系的近似模型，能够通过采集风机的几何参数及转速，预测得到风机的性能参数(包括风量、噪声)。

31、2、本发明中的风机系统的现场在线修正方法，可以通过在线几何参数测量，与设计参数进行比对，找到差距较大的尺寸，进行现场的纠正与校核(比如蜗壳与叶轮间隙，出口角等)，使几何参数满足偏差度要求。进一步的，再根据测量采集到的实测几何参数、以及采集到的转速，预测风机系统的风量和噪声性能。

32、3、基于本发明，可以实时进行风量、噪声等性能参数计算；通过在线进行风机的合格性检测，同时进行适当的调控以修正，能够大大减低测试成本，研发周期，降低报废率。

33、综上，本发明通过采集风机系统的几何参数，温度、气压、转速等物理参数，结合人工智能方法建立预测模型，并不断修正。同时，能够以噪声、风量等为目标，及时检测性能与风量不合格的风机，并判断关键几何参数。