一种破碎机用滑动轴承的可靠性优化方法及系统与流程

本发明涉及滑动轴承异常识别，具体为一种破碎机用滑动轴承的可靠性优化方法及系统。

背景技术：

1、破碎机是一种可以将大块物料破碎成小块物料和物料粉末的机械设备，广泛应用于矿山开采、冶金、施工建筑和化工生产等行业；根据破碎机的工作原理和应用场景不同，可以划分成多种类型，包括颚式破碎机、反击式破碎机、圆锥破碎机和锤式破碎机等。

2、颚式破碎机具有结构简单、性能可靠、便于维护等优点，适合大块物料的初级破碎，是矿山开采和施工建筑行业常见的破碎装备；颚式破碎机主要由机壳、固定颚板、活动颚板和偏心轴组成；活动颚板在电动机的驱动下，通过偏心轴的旋转作往复运动，当活动颚板向下运动时，物料在重力的作用下落入破碎腔，在活动颚板与固定颚板间的缝隙中进行破碎。

3、在颚式破碎机的工作过程中，滑动轴承起着至关重要的作用；用于支撑活动颚和其他旋转部件，减少摩擦，保证动颚平稳运行，同时吸收冲击力；其性能直接影响设备的工作效率和使用寿命。然而，由于工作环境恶劣、负载波动大等因素，滑动轴承容易出现异常情况，如磨损、过热、润滑不足等，导致设备故障。

4、因此，需要对颚式破碎机中滑动轴承的可靠性进行监测识别，及时发现存在的隐患问题。这对于保证破碎机的正常运行、减少故障停机时间、降低维护成本具有重要意义。

5、现有技术对滑动轴承的可靠性进行识别过程中，主要是通过滑动轴承本身的参数进行获取和识别，对于滑动轴承所处的机械设备并未深入研究，未能考虑滑动轴承所处的工作场景和设备特点，导致对滑动轴承的可靠性识别不够准确。

6、为此，提出一种破碎机用滑动轴承的可靠性优化方法及系统。

技术实现思路

1、本发明的目的在于提供一种破碎机用滑动轴承的可靠性优化方法及系统，对颚式破碎机进行监测，获得第一数据集；对滑动轴承进行监测，得到第二数据集；根据颚式破碎机的工作轨迹对第一数据集和第二数据集进行拆分，得到第一数据子集和第二数据子集；构建加工异常识别模型对第一数据子集识别，得到加工异常数据；构建轴承异常识别模型对第二数据子集识别，得到轴承异常数据；通过加工异常数据和轴承异常数据，得到检测数据集；构建可靠性识别模型对检测数据集进行识别，得到可靠性系数。本发明通过对颚式破碎机及其滑动轴承的工作数据进行收集和识别，得到可靠性系数，准确地对滑动轴承的可靠性进行识别和预警。

2、为实现上述目的，本发明提供如下技术方案：

3、一种破碎机用滑动轴承的可靠性优化方法，包括：

4、s10.对工作中的颚式破碎机进行监测，获得第一数据集；所述第一数据集包括物料参数、设备参数、物料输入数据和物料输出数据；

5、s20.获取颚式破碎机的工作轨迹，根据所述工作轨迹对所述第一数据集进行拆分，得到多个第一数据子集；所述第一数据子集包括物料参数子集、设备参数子集、物料输入子集和物料输出子集；

6、s30.构建加工异常识别模型对所述第一数据子集进行识别，通过物料输入和物料输出的数据，识别得到加工异常数据；

7、s40.对工作中的滑动轴承进行监测，得到第二数据集，所述第二数据集包括滑动轴承运行数据、滑动轴承润滑数据和滑动轴承温度数据；

8、s50.根据所述工作轨迹对所述第二数据集进行拆分，得到多个第二数据子集；所述第二数据子集包括运行数据子集、润滑数据子集和温度数据子集；

9、s60.构建轴承异常识别模型对第二数据子集进行识别，通过运行数据子集、润滑数据子集和温度数据子集，识别得到轴承异常数据；

10、s70.通过加工异常数据和轴承异常数据，整合得到检测数据集；构建可靠性识别模型，通过所述可靠性识别模型对所述检测数据集进行识别，得到可靠性系数；通过所述可靠性系数进行滑动轴承的异常识别与预警。

11、所述物料参数包括物料硬度、物料湿度和物料粘度；所述设备参数包括累计运行时间、转速设置、振动频率数据、振动幅度数据；所述物料输入数据包括物料输入质量、物料输入形状和物料输入颗粒；所述物料输出数据包括物料输出质量、物料输出形状和物料输出颗粒；

12、所述滑动轴承运行数据包括轴承振频数据、轴承振幅数据、轴承声音数据和轴承转速数据；所述滑动轴承润滑数据包括润滑剂粘度数据、润滑剂颜色数据和润滑剂纹理数据；所述滑动轴承温度数据包括轴承温度数据。

13、通过颚式破碎机的工作轨迹对第一数据集进行拆分的过程为：

14、对颚式破碎机工作过程中，活动颚板往复性运动的运动轨迹进行识别；将活动颚板的一个往复运动周期作为识别单元；

15、获取颚式破碎机的全部识别单元；通过所述识别单元所处的时间范围，对收集的第一数据集进行拆分，得到第一数据子集。

16、所述加工异常识别模型包括输出预测层和加工异常识别层；

17、所述输出预测层通过第一数据子集中的物料参数子集、设备参数子集和物料输入子集进行识别预测，得到预测输出子集；所述预测输出子集包括预测输出质量、预测输出形状和预测输出颗粒；

18、所述加工异常识别层对所述预测输出子集和所述物料输出子集进行对比识别，通过数据差异识别得到加工异常数据。

19、所述轴承异常识别模型包括运行异常识别层、润滑异常识别层和温度异常识别层；

20、所述运行异常识别层用于对运行数据子集进行识别，通过其中轴承振频子集、轴承振幅子集、轴承声音子集和轴承转速子集，识别得到运行异常数据；

21、所述润滑异常识别层用于对润滑数据子集进行识别，通过其中润滑剂粘度子集、润滑剂颜色子集和润滑剂纹理子集，识别得到润滑异常数据；

22、所述温度异常识别层用于对温度数据子集进行识别，得到温度异常数据；

23、根据运行异常数据、润滑异常数据和温度异常数据得到轴承异常数据。

24、所述检测数据集的获取和识别过程为：

25、通过颚式破碎机的工作轨迹对第一数据集和第二数据集分别划分，得到第一数据子集和第二数据子集；

26、通过加工异常识别模型对第一数据子集识别得到加工异常数据；通过轴承异常识别模型对第二数据子集进行识别，得到轴承异常数据；

27、根据颚式破碎机工作轨迹获取对应的加工异常数据和轴承异常数据，作为检测数据子集；

28、获取全部的检测数据子集，并按照时间顺序排列，得到检测数据集；

29、通过可靠性识别模型对检测数据集进行识别，得到可靠性系数。

30、一种破碎机用滑动轴承的可靠性优化系统，包括：

31、第一数据获取模块，对工作中的颚式破碎机进行监测，获得第一数据集；所述第一数据集包括物料参数、设备参数、物料输入数据和物料输出数据；

32、第一数据划分模块，获取颚式破碎机的工作轨迹，根据所述工作轨迹对所述第一数据集进行拆分，得到多个第一数据子集；所述第一数据子集包括物料参数子集、设备参数子集、物料输入子集和物料输出子集；

33、第一数据识别模块，构建加工异常识别模型对所述第一数据子集进行识别，通过物料输入和物料输出的数据，识别得到加工异常数据；

34、第二数据获取模块，对工作中的滑动轴承进行监测，得到第二数据集，所述第二数据集包括滑动轴承运行数据、滑动轴承润滑数据和滑动轴承温度数据；

35、第二数据划分模块，根据所述工作轨迹对所述第二数据集进行拆分，得到多个第二数据子集；所述第二数据子集包括运行数据子集、润滑数据子集和温度数据子集；

36、第二数据识别模块，构建轴承异常识别模型对第二数据子集进行识别，通过运行数据子集、润滑数据子集和温度数据子集，识别得到轴承异常数据；

37、异常识别模块，通过加工异常数据和轴承异常数据，整合得到检测数据集；构建可靠性识别模型，通过所述可靠性识别模型对所述检测数据集进行识别，得到可靠性系数；通过所述可靠性系数进行滑动轴承的异常识别与预警。

38、通过颚式破碎机的工作轨迹对第一数据集进行拆分的过程为：

39、对颚式破碎机工作过程中，活动颚板往复性运动的运动轨迹进行识别；将活动颚板的一个往复运动周期作为识别单元；

40、获取颚式破碎机的全部识别单元；通过所述识别单元所处的时间范围，对收集的第一数据集进行拆分，得到第一数据子集。

41、所述加工异常识别模型包括输出预测层和加工异常识别层；

42、所述输出预测层通过第一数据子集中的物料参数子集、设备参数子集和物料输入子集进行识别预测，得到预测输出子集；所述预测输出子集包括预测输出质量、预测输出形状和预测输出颗粒；

43、所述加工异常识别层对所述预测输出子集和所述物料输出子集进行对比识别，通过数据差异识别得到加工异常数据。

44、所述轴承异常识别模型包括运行异常识别层、润滑异常识别层和温度异常识别层；

45、所述运行异常识别层用于对运行数据子集进行识别，通过其中轴承振频子集、轴承振幅子集、轴承声音子集和轴承转速子集，识别得到运行异常数据；

46、所述润滑异常识别层用于对润滑数据子集进行识别，通过其中润滑剂粘度子集、润滑剂颜色子集和润滑剂纹理子集，识别得到润滑异常数据；

47、所述温度异常识别层用于对温度数据子集进行识别，得到温度异常数据；

48、根据运行异常数据、润滑异常数据和温度异常数据得到轴承异常数据。

49、与现有技术相比，本发明的有益效果为：

50、1、本发明构建加工异常识别模型对第一数据子集进行识别，通过第一数据子集中的物料参数子集、设备参数子集和物料输入子集进行识别预测，得到预测输出子集；再根据预测输出子集和所述物料输出子集的数据差异得到加工异常数据；准确对颚式破碎机的物料加工异常进行识别。

51、2、本发明构建轴承异常识别模型对第二数据子集进行识别，通过运行异常识别层对运行数据子集识别，得到运行异常数据；通过润滑异常识别层对润滑数据子集进行识别，得到润滑异常数据；通过温度异常识别层对温度数据子集进行识别，得到温度异常数据；通过运行异常数据、润滑异常数据和温度异常数据得到轴承异常数据，准确地对滑动轴承的运行情况进行识别。

52、3、本发明对颚式破碎机工作过程中，活动颚板的往复性运动进行识别，并将其往复运动作为识别单元，对收集得到的数据集进行识别与划分，得到数据子集；再根据数据子集之间的差异，识别得到不同周期之间的物料加工异常和滑动轴承运行情况的异常变化，从而对滑动轴承的异常进行识别，准确地对其可靠性进行预测。