由于城市轨道交通频繁运行,地铁风机滚动轴承的故障特征极易被复杂多变的背景噪声所掩盖。针对这一问题,提出了一种基于特征筛选与支持向量机(SVM)的故障诊断方法。首先,从轴承原始监测信号中提取多尺度特征,构建轴承常见故障状态下的健康指标特征集;其次,利用拉普拉斯评分对处于故障状态下的健康指标特征集与正常状态下的健康指标特征集进行对比,获得健康指标敏感程度权重分数,筛选出敏感故障特征;最后,运用SVM算法对筛选出的特征进行故障识别,从而准确地实现地铁风机滚动轴承的故障诊断。通过在实际轴承故障数据集上的故障诊断实验,证明了提出方法的有效性和优越性。

用CFX 软件对原地铁风机DTF18#（排热风机）的气动性能进行了数值模拟，并通过与试验结果对比验证了数值模拟方法的可靠性。在此基础上，基于风机运行要求，对该风机的叶片造型、导流罩型线进行优化与分析，并对动叶安放角、动叶数和导叶数进行调整，扩大风机工作区范围，以满足设计要求。结果表明，计算值和实测值基本吻合。最终优化的风机流量、压力均达到设计要求，风机最高效率为85.2%，较原DTF18# 风机效率提高了15.3%，达到一级能效。

对于可逆地铁风机的气动设计给出了常规的直叶片和弯掠组合叶片2种设计方案。采用FLUENT软件分别对2种设计方案进行了数值模拟分析计算。同时制造2种设计方案的样机各一台进行了风机性能测试。通过数值模拟结果与试验结果的对比分析比较了2种设计方案的先进性。