罗茨风机故障机理分析与诊断模型研究

刘文敬

（山东鲁碧建材有限公司，山东 莱芜 271103）

罗茨风机故障机理分析与诊断模型研究

刘文敬

（山东鲁碧建材有限公司，山东 莱芜 271103）

罗茨风机有多种组成部分，主要包括叶轮、机壳、进出口消声器、墙板等，其属于容积式风机。罗茨风机在工作时，主要通过气缸中的叶形转子做机械运动将气体进行压缩，然后对气体进行输送。在实际情况中，罗茨风机有着广泛的应用，主要包括处理污水中的废气、对水泥进行运输、输送气体等，能够起到较好的效果。受人为因素和自然因素的影响，罗茨风机极易出现故障，所以如何更好对罗茨风机进行完善成为技术人员面临的重大问题。本文主要以罗茨风机作为研究对象，对其故障处理进行了探讨，提出了一些建议。

罗茨风机；故障；诊断

在罗茨风机中，具有较好的进出风口设计，而且其对三叶转子进行了较好应用，所以在实际运作过程中，其不会产生较大的噪声污染，对周边居民的正常生活影响较小；罗茨风机具有较好的持久性能，而且风机整体容量较大，有着较高的应用价值；轴承在风机中具有重要作用，而罗茨风机中的轴承具有较好质量，所以延长了风机的使用寿命。但是罗茨风机也极易遭受外界因素的影响，所以技术人员必须加强对其的研究。

一、罗茨风机概要

罗茨风机中应用到了三叶转子，在实际运作中，由于转速和风量处于平衡状态，所以罗茨风机不会造成较大的震动，也不会产生极大噪声污染，所以不会对周边居民的正常生活和工作造成影响。罗茨风机中有着较好的进出风口设计，风机端盖与叶轮之间留有一定的缝隙，而且叶轮端面与风机端盖间也留有一定的间隙，从而较好对风进行输送。罗茨风机一般具有较简单的结构，而且在运作和安装方面都不需要进行复杂操作，其有着较好性能，稳定性较高，所以被广泛应用于多种行业，促进了更行业良好发展。

二、罗茨风机故障机理分析与处理办法

罗茨风机在实际运作过程中，极易遭受自然因素及人为因素的影响，所以很容易出现故障，最终给各项工作的顺利进行带来极大不利，所以技术人员必须加强对罗茨风机工作状态的监管，及时处理存在的问题，确保其能够正常运作。当罗茨风机内温度过高时，一般是因为邮箱内的油过多且质量较差，或者压力过大以及通风效果差，面对这种问题，技术人员须对杂质进行清除，合理设置通风口，并提高转速，从而有效降低温度。当叶轮出现摩擦现象时，一般是由于齿轮不牢固或者叶轮间间隙较小，在处理这种问题时，技术人员须增加齿轮牢固度，并合理调整叶轮之间的间隙，从而防止叶轮出现摩擦现象。如果出现流量不足现象，可能是由于过滤器出现堵塞现象或者皮带出现打滑情况，在处理这种问题时，技术人员可以对过滤器中的杂质进行清除，并将皮带拉紧，并对进口压力值进行检测和调整，从而确保流量稳定。当电机出现超载现象时，可能是因为流量过大或者进出口位置出现堵塞情况，所以技术人员可以将气体进行卸放，保证流量稳定，并且对进出口堵塞物进行清除，从而促进电机正常运作。

三、罗茨风机诊断模型研究

基于罗茨风机自身特性，其虽然在许多行业中都能发挥出较好作用，提高工作产量和效率、并降低整体成本、提高企业的经济效益，但是其极易遭受自然因素及人为因素的影响，罗茨风机一旦在运作过程中出现问题，不仅对各项工作的正常进行造成极大影响，而且会给企业带来巨大的损失，所以建立罗茨风机诊断模型有着重要意义，技术人员可以通过罗茨风机建立故障数据库，当罗茨风机在工作中出现问题时，技术人员能够及时根据故障数据库对相关问题进行解决，从而更好发挥出罗茨风机作用。

（一）应用小波神经网络

本文主要对小波分析与神经网络技术进行融合，并对机械技术进行合理利用，从而建立罗茨风机摩擦故障诊断模型。技术人员在对小波分析以及神经网络技术进行结合时，主要有两种方法，首先，技术人员可以对尺度函数以及小波函数进行合理利用，将小波分析与神经网络进行结合，主要对不均匀信息进行处理。其次，技术人员主要通过小波变换对信号向量进行引出，并融入神经网络，实现有效结合，能够较好对故障进行诊断。在机械管理要求下，技术人员须在罗茨风机摩擦故障诊断模型中设置机械动力学模型，用以检测转子故障，并与神经网络进行结合，促进检测自动化。

（二）选取神经网络样本

表1 罗茨风机摩擦故障诊断结果

在对神经网络样本进行选取时，基于机械设备故障诊断特性，可以用测振传感器对信号进行提取。技术人员必须对故障指标进行合理分析，确保其能够对故障产生较大反应，一般可将裕度指数、峭度指数、脉冲指数等作为罗茨风机故障指标，能够起到较好作用。在机械动力学基础上，由于转子系统具有一定的方程表达式，因此技术人员还需对表达式内相关特征量进行提取，表达式如下：

Mq+Dq+Kq=Q

其中M指的是机械动力学模型中质量矩阵，主要包括圆盘质量及轴；D指的是阻尼阵，主要包括陀螺运动、轴内阻以及轴承阻尼；K指的是刚度阵；Q指的是合外力向量。技术人员还可以对小波包进行分解，获得一系列子带能量值，并将其作为故障指标输进神经网络，从而有效选取神经网络样本。由于各种数据存在差异性，所以技术人员需对其进行统一化，一般可以采用极差方式，并合理设置各类数据对应的罗茨风机故障情况，主要包括重度摩擦、轻度摩擦、无摩擦三种形式。

（三）明确神经网络数据

在对神经网络数据进行明确时，基于机械管理特性，技术人员需对输入层以及输出层的神经元个数进行明确，并对转子特征信号进行明确，一般可根据机械动力学基础，对输入特征向量以及输出的特征向量进行确定，技术人员可将裕度指数、峭度指数、脉冲指数以及小波包分解后的30个特征向量作为输出神经元个数以及输入神经元个数，所以输出神经元个数为2，输入神经元个数为33。在隐层方面，一般情况下，单隐层BP网络能够较好复合模型要求，所以技术人员可以直接选择单隐层BP网络，但是如何有效选择单隐层神经元数量存在较大的问题。由于单隐层自身特性，神经元数量以及转子特征信号过多过少都会对模型试验造成影响，所以技术人员必须进行多次实验，合理选择神经元数量及转子特征信号。

（四）进行神经网络实测

本文主要对6组样本进行试验，实验结果如表1。

由表1可知，诊断准确率为83.3%，所以能够较好对罗茨风机故障进行诊断。

结束语

在实际情况中，罗茨风机在多方面都能发挥出较好作用，但是其极易遭受人为因素及自然因素的影响，所以技术人员必须采取有效措施完善罗茨风机，有效解决存在的各种问题。技术人员可以通过对罗茨风机故障原因及风机自身特性建立诊断模型，对各类数据进行补充，从而完善罗茨风机故障数据库，为有效处理罗茨风机故障带来便利。

[1]张九灵.罗茨风机故障机理分析与诊断模型研究[D].中国石油大学(华东),2010.

[2]李明.罗茨风机故障探析及处理[J].科技创新与应用,2013,(30):55-55.

[3]高东峰.罗茨风机自启动故障处理[J].设备管理与维修,2015,(1):52.

[4]张晓东.甲醛罗茨风机故障分析及装配方法改进[J].通用机械,2010,(5):32-34.

TQ172

B

1007-6344（2016）02-0009-01