针对鼓风机历史运行数据使用不足、建模周期长的问题，提出了一种基于较小二乘支持向量机（LSSVM）和拉丁超立方体采样（LHS）的大型离心风机性能预测方法。以出口压力作为衡量离心风机性能的指标，采用LSSVM建立离心风机性能预测模型。采用LHS方法对离心风机的进口温度、进口压力、进口流量和转速进行了采集，并对采集的数据进行了归1化处理，用于LSSVM模型的训练。通过试验数据对模型进行了验证。有效性。结果表明，鼓风机基于LSSVM和LHS的大型离心风机性能预测方法能够充分利用现有的风机数据信息，快速、准确地预测风机性能。离心风机的主要作用是保证空气供给，稀释***气体，降低煤尘浓度，对煤矿安全生产具有重要意义。通风机性能稳定直接关系到地下设备的可靠运行和人员的安全。鼓风机性能预测控制和运行优化是建立在准确的性能预测模型基础上的，因此建立准确的风机性能预测模型具有十分重要的意义。
建立鼓风机性能预测模型的主要方法有三种：
（1）应用数学、流体力学和流场理论建立离心风机模型，预测离心风机的性能。
（2）实验方法是利用***的测量技术，建立离心风机在各种工况下的实验模型。
（3）基于计算机技术，利用各种CFD（计算流体力学）数值模拟技术建立离心风机性能预测模型。
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，随着人工智能算法的发展，数据驱动建模方法逐渐应用于风机性能预测。基于鼓风机的历史运行数据，提出了一种基于模糊RBF***网络的离心风机建模方法。该方法取得了一定的效果。然而，***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算法和鼓风机历史运行数据建立性能预测模型，鼓风机采用LHS方法保证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，因此有必要设计实验来采集必要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，并在每个部分随机采集数据，保证了数据分布的均匀性，避免了数据过度集中。
鼓风机基于LSSVM算法建立了矿井离心风机性能预测模型。采用LHS方法对矿用离心风机进行了实验数据采集，进一步降低了建模成本，提高了建模精度。通过实例验证了该方法的有效性。然而，在实际生产中也有许多类似的离心风机。尽管它们的大小、结构和速度不同，但它们遵循相似的机制。因此，如何利用现有的相似离心风机数据建立现有的离心风机模型成为下一个研究方向。根据天蝎科鱼类的运动姿态和涡流特性，设计了一种鼓风机叶片，用于模拟鱼类的弯曲姿态。鼓风机采用数值模拟的方法，研究了传统的单圆弧原型叶片和鱼状叶片对多翼离心风机气动性能和噪声的影响。通过可视化分析，发现在鱼状叶片的过流过程中，涡流强度明显小于原型风机，流场分布更加均匀。鱼状叶片的使用有效地减小了风机蜗壳舌处的压力波动，削弱了叶片与蜗壳舌间的非定常相互作用。风机气动噪声计算分析结果表明，单弧原型叶片的风机噪声频率分布在中低频段，鼓风机鱼形叶片的风机噪声频率主要分布在中频段，说明鼓风机噪声频率分布规律和噪声特性两个风扇的启动路径不同。数值计算结果表明，鱼状叶片多叶离心风机的气动性能有了明显的改善，风量增加了12.5%，效率提高了5.65%，测点平均噪声降低了2.78db。
