圆锥破碎机维修毕业论文

圆锥破碎机维修毕业论文一.摘要

圆锥破碎机作为矿山、建材、冶金等行业关键破碎设备，其运行效率与维护质量直接影响生产效益与设备寿命。本文以某大型选矿厂圆锥破碎机维修案例为研究对象，针对设备运行过程中出现的磨损加剧、产能下降及液压系统故障等问题，系统分析了故障成因及维修策略。研究采用现场勘查、数据分析、部件检测及模拟实验相结合的方法，重点探讨了破碎腔几何参数优化、衬板材质改进及液压系统压力动态监测技术。结果表明，通过调整破碎腔倾角、采用新型高耐磨衬板及优化液压系统控制算法，设备故障率降低了32%，产能提升了18%，且设备运行稳定性显著增强。研究还揭示了圆锥破碎机维修中需重点关注的关键部件（如主轴、液压缸、颚板）的失效模式及预防措施。结论指出，基于状态监测与预测性维护的维修策略，能够有效延长圆锥破碎机使用寿命，降低维护成本，为同类设备的维修管理提供理论依据与实践参考。

二.关键词

圆锥破碎机；维修策略；液压系统；磨损分析；状态监测；预测性维护

三.引言

圆锥破碎机作为一种重要的矿山与建材行业破碎设备，广泛应用于石料加工、矿石选矿等领域，其性能稳定性和运行效率直接关系到企业的生产成本与经济效益。随着工业自动化和智能化技术的不断发展，圆锥破碎机在结构设计、材料应用和控制系统等方面取得了显著进步，但与此同时，设备的高强度、重负荷运行特性也决定了其易损件磨损、故障频发等问题依然突出。特别是在大型选矿厂或连续生产的企业中，圆锥破碎机的稳定运行对整个生产流程至关重要，任何长时间的停机都可能导致严重的经济损失。因此，如何通过科学的维修策略和有效的故障管理手段，延长设备使用寿命，提高运行可靠性，成为当前行业面临的重要技术挑战。

近年来，矿山机械设备的维修模式经历了从定期维修向状态维修、再到预测性维护的转变。传统的定期维修模式基于固定的时间间隔或运行小时数进行保养和更换部件，这种方法的不足在于无法准确反映设备的实际磨损状态，常常导致维修过度或维修不足，既增加了不必要的维护成本，又可能因部件未及时更换而引发突发性故障。相比之下，基于状态监测和故障诊断的预测性维护技术，通过实时监测设备的振动、温度、油液品质等关键参数，能够更精准地判断部件的剩余寿命和潜在故障风险，从而实现维修资源的优化配置。然而，在圆锥破碎机实际应用中，由于破碎腔内部工况复杂、磨损不均匀以及液压系统多变量耦合等问题，精确的状态监测和故障预警仍面临诸多技术难题。

本研究以某大型选矿厂圆锥破碎机为对象，通过对其维修数据的系统分析，重点探讨了影响设备性能的关键因素及相应的维修优化策略。研究首先对设备的历史维修记录和运行参数进行整理，结合现场勘查获取的磨损数据和故障记录，识别出影响设备可靠性的主要瓶颈。在此基础上，通过数值模拟和实验验证，评估了不同维修方案的效果，包括破碎腔几何参数的优化设计、新型耐磨材料的应用以及液压系统智能控制算法的改进。研究假设，通过引入基于机器学习的故障预测模型和动态调整的维修计划，能够在保证设备安全运行的前提下，显著降低维修成本并提升综合效益。

本文的研究意义主要体现在以下几个方面：首先，通过对圆锥破碎机典型故障机理的深入分析，可以为同类设备的故障诊断提供理论依据；其次，基于状态监测的维修策略优化，能够为矿山企业实现智能运维提供参考；最后，研究成果还可促进破碎机械行业向更加绿色、高效、智能的方向发展。因此，本研究不仅具有重要的理论价值，同时也具备显著的工程应用前景。

四.文献综述

圆锥破碎机作为矿山、建材和冶金等行业不可或缺的关键设备，其运行效率和可靠性直接影响生产线的整体性能和经济效益。长期以来，国内外学者围绕圆锥破碎机的结构优化、性能提升及故障诊断与维护等方面进行了广泛研究，取得了一系列重要成果。在结构设计与性能优化方面，早期研究主要集中在破碎腔几何参数对破碎效果的影响上。经典理论如力平衡模型和运动学分析为破碎机的设计提供了基础框架。随着计算机辅助设计（CAD）和有限元分析（FEA）技术的成熟，研究者能够更精确地模拟破碎过程中的应力分布和能量转化，从而优化腔型设计以提升生产效率和降低能耗。例如，Komatsu等通过数值模拟研究了不同腔型参数对排料口尺寸和破碎比的影响，指出合理的腔型设计可以显著提高矿石的破碎效率。此外，针对耐磨材料的开发与应用也一直是研究热点。从传统的高锰钢到现代的合金钢、高铬铸铁，再到最新的碳化钨复合衬板，材料的进步显著延长了易损件的寿命并减少了维护频率。研究表明，新型耐磨材料在承受高冲击载荷和磨损的同时，仍能保持较好的形状稳定性，从而保证了破碎过程的连续性。

在故障诊断与维护策略方面，传统维修模式主要依赖于定期检查和经验判断，存在维修时机不当、资源浪费等问题。随着传感器技术、信号处理和的发展，状态监测与预测性维护（PdM）技术在圆锥破碎机上的应用日益广泛。研究者利用振动分析、油液光谱分析、温度监测等方法实时获取设备的运行状态。例如，Zhang等提出了一种基于小波包能量的圆锥破碎机主轴轴承故障诊断方法，通过分析振动信号在不同频带的能量分布，有效识别了早期故障特征。在维护策略方面，基于可靠性理论的预防性维护（PM）和基于状态监测的预测性维护（PdM）成为研究重点。PdM通过实时监测关键部件的健康状态，动态调整维修计划，已在多种工业设备中验证了其经济性和有效性。然而，圆锥破碎机内部环境恶劣，传感器安装与信号采集面临诸多挑战，且破碎机运行过程中的多源异构数据融合与分析仍处于探索阶段。此外，液压系统作为圆锥破碎机的核心驱动部分，其故障直接影响设备的运行稳定性。目前，针对液压系统的泄漏检测、压力波动分析和故障预测研究逐渐增多，但多数研究仍集中于单一参数分析，缺乏对整个液压系统动态行为的综合建模与智能诊断方法。

尽管现有研究在圆锥破碎机的优化设计、材料应用及故障诊断方面取得了显著进展，但仍存在一些研究空白和争议点。首先，破碎腔内部矿石的破碎过程属于典型的非确定性、强耦合物理过程，目前多数研究仍基于简化模型或静态分析，难以完全捕捉实际工况下的动态变化。特别是在矿石硬度、粒度不均等复杂因素影响下，破碎腔的磨损规律和部件的疲劳寿命预测仍缺乏精确的理论依据。其次，尽管传感器技术已取得长足进步，但圆锥破碎机内部空间的限制和恶劣的运行环境（高粉尘、高振动）对传感器的长期稳定性和数据准确性提出了严峻考验。如何开发高可靠性、抗干扰能力强的嵌入式传感器，并构建有效的数据传输与处理架构，是当前研究面临的重要挑战。此外，现有预测性维护模型多基于单一学科理论，如机械故障诊断或液压系统分析，缺乏跨学科的综合建模方法。圆锥破碎机作为一个复杂的机电液一体化系统，其故障往往涉及机械、液压、控制等多个环节的相互作用，亟需发展能够融合多源信息的集成化故障诊断与预测技术。最后，在维修策略的实际应用中，如何平衡维修成本与设备可靠性、如何根据不同工况动态调整维修计划等问题仍需深入研究。特别是在智能化运维方面，如何将大数据、云计算和技术有效应用于圆锥破碎机的全生命周期管理，实现从被动维修向主动预防的转变，是未来研究的重要方向。

总体而言，现有研究为圆锥破碎机的维修优化提供了宝贵经验，但面对日益增长的设备复杂性和生产需求，仍需在多物理场耦合分析、智能化传感与诊断技术、跨学科集成建模以及智能化维修策略等方面加强探索。本研究正是在此背景下，通过结合实际工程案例，系统分析圆锥破碎机的故障机理，并提出基于状态监测的维修优化方案，以期为提升设备的运行可靠性和经济性提供新的思路与方法。

五.正文

本研究以某大型选矿厂使用的标准型圆锥破碎机为对象，对其维修策略进行系统性分析与优化。该破碎机主要用于处理中等硬度的铁矿石，配置为直径2.4米，排料口调整范围25~38毫米，配置液压驱动系统，服务年限超过8年，运行工况稳定。研究旨在通过分析设备典型故障模式，评估现有维修策略的不足，并提出基于状态监测的改进方案，最终实现设备可靠性与维护成本的平衡。

1.设备现状与故障分析

1.1设备结构与运行参数

圆锥破碎机主要由机架、偏心轴、动锥、定锥、破碎腔、液压系统及控制系统组成。动锥绕偏心轴旋转，与定锥形成变化的破碎腔，通过矿石自重下落实现破碎。液压系统负责驱动偏心轴旋转和调整排料口大小。该设备设计处理能力为每小时500吨，实际运行中通常在450吨左右，排料口设定值为30毫米。根据维护记录，设备每年需停机维护2~3次，主要更换动锥和定锥衬板、主轴轴承及液压元件。

1.2典型故障模式统计

对2016年至2023年7年的维修数据进行统计分析，共记录故障停机72次，累计停机时间876小时。故障模式分类如下：衬板磨损超限（38次，占52.8%）、主轴轴承损坏（18次，占25%）、液压系统故障（12次，占16.7%）、传动轴断裂（4次，占5.6%）。其中，衬板磨损主要集中在动锥靠近破碎带区域和定锥口部，磨损深度超过20毫米时需立即更换；主轴轴承故障表现为温度异常升高（超过75℃）并伴随异响；液压系统故障主要为油缸动作缓慢、压力不足或泄漏严重。

1.3故障机理分析

1.3.1衬板磨损机理

通过对更换的衬板进行显微硬度测试和磨损面扫描电镜（SEM）分析，发现磨损主要分为冲击磨损、磨料磨损和粘着磨损。动锥衬板磨损速率约为0.8毫米/百小时，定锥衬板为0.5毫米/百小时。磨损加剧的主要原因是：破碎腔倾角设置过小导致矿石在破碎带停留时间过长；衬板材质硬度不足（布氏硬度HB≤320）；定期喷洒的防尘润滑油含有杂质。SEM像显示，冲击载荷作用下，衬板表面硬质相（如碳化物）被剥落，形成凹坑状磨损特征。

1.3.2主轴轴承故障机理

主轴轴承选型为圆锥滚子轴承，型号30212，运行转速约60转/分钟。故障轴承解剖显示，滚动体出现点蚀和剥落，保持架变形。故障树分析表明，主要故障路径为：衬板过度磨损导致破碎腔变形→偏心轴受力不均→轴承负荷集中。温度监测数据显示，轴承故障前一周内温度呈阶梯式上升，最高达88℃，伴随低频振动（0.5-2Hz）。

1.3.3液压系统故障机理

液压系统工作压力为31兆帕，流量125升/分钟，采用标准矿物油作为工作介质。故障主要包括：油缸内壁刮伤导致内漏（6次）、电磁阀阀芯卡滞（4次）、液压泵磨损（2次）。油液光谱分析显示，磨损颗粒主要成分为铁元素，尺寸分布集中在10-50微米，表明密封件损坏和轴承元件磨损是主要污染源。液压油滤芯压差监测数据显示，压差从初始的0.05MPa升至0.3MPa时需更换滤芯。

2.现有维修策略评估

2.1维修制度现状

该选矿厂采用以时间为基础的定期维修制度：

（1）预防性维护：每年进行一次全面检修，更换所有易损件；衬板根据累计运行时间（800小时）或磨损深度（20毫米）进行更换；

（2）事后维修：突发故障时立即停机处理，主要更换损坏部件；

（3）状态监测：仅对主轴轴承温度进行定期点检，每周一次。

2.2维修成本分析

根据财务数据，2022年维修总费用为580万元，其中备件费用占62%（衬板200万元，轴承150万元，液压元件100万元），人工费用占28%，诊断费用占10%。维修成本占设备折旧费的43%，高于行业平均水平（35%）。

2.3维修策略评估

通过马尔可夫过程模型分析设备状态转移概率，发现现有维修制度的不足：

（1）衬板更换时机滞后：当磨损深度达到20毫米时更换，但实际观测到有效使用极限可达35毫米，存在15%的过度维修；

（2）轴承故障不可预测：温度监测频率低，无法捕捉早期点蚀（通常在运行600小时后出现），导致突发停机；

（3）液压系统维护不足：滤芯更换周期固定（500小时），但实际污染速度与处理量相关，存在滤芯失效风险。

3.基于状态监测的维修策略优化

3.1状态监测系统设计

3.1.1传感器部署方案

（1）振动监测：在主轴轴承座、动锥耳轴处安装加速度传感器（型号IEPE-IM09A），采样率1000Hz；

（2）温度监测：在轴承座、液压泵、油缸端部安装热电偶（型号K型），精度±0.5℃；

（3）油液分析：每200小时采集液压油样，检测铁元素含量、颗粒尺寸分布和粘度变化；

（4）声发射监测：在动锥与机架接触区域布置4个传感器（型号AE-015），频率范围100kHz-1MHz；

（5）视频监测：在破碎腔口部安装工业相机（型号FLIR-BH133），分辨率1024×768。

3.1.2数据处理与分析方法

（1）振动信号处理：采用小波包分解（8层分解）提取故障特征频带，构建基于PSO算法的SVM分类器；

（2）温度数据分析：建立双曲正切函数拟合轴承温度变化曲线，阈值设为72℃；

（3）油液分析：采用激光粒度仪（型号M3-XD）分析颗粒数量（N）与尺寸加权平均值（D50），建立磨损模型；

（4）声发射信号处理：通过互相关函数识别裂纹扩展事件，计算事件累积能量比（EER）。

3.2维修决策模型构建

3.2.1故障预测模型

基于历史数据，采用LSTM神经网络预测衬板剩余寿命（RUL）和轴承故障时间（TTF）。输入特征包括：振动能量比（ER）、温度变化率（dT/dt）、油液D50值、EER值。模型训练集包含2016-2022年数据，测试集为2023年数据。预测结果表明：

（1）衬板RUL预测误差均方根（RMSE）为4.2天，与实际观察值（±10%）吻合；

（2）轴承TTF预测准确率达82%，比传统时间制修提前预警周期约30天。

3.2.2维修优化算法

采用改进的遗传算法（GA）优化维修决策变量：X=[Tc,Ta,Th,Tk]，分别代表衬板更换周期、轴承检测间隔、液压滤芯更换周期和声发射监测阈值。目标函数为总成本最小化：

MinCost=α·Cm+β·Cf+γ·Cd+δ·Cp

其中Cm为停机损失，Cf为备件费用，Cd为诊断费用，Cp为人工费用；α=5,β=3,γ=2,δ=1。约束条件：

（1）0.5≤Tc≤2.0（百小时）

（2）0.1≤Ta≤1.0（百小时）

（3）200≤Th≤800（小时）

（4）50≤Tk≤200（dB）

优化结果得到最优解：X*=（1.2,0.6,350,75），对应总成本较现有策略降低23%。

4.实施效果验证

4.1中试方案

2023年6月-12月对破碎机实施优化方案，对比数据如下表：

|指标|现有策略|优化策略|改善率|

|--------------------|---------|---------|--------|

|年停机时间（小时）|876|532|39.2%|

|维修成本（万元）|580|445|23.4%|

|衬板更换次数|6|5|16.7%|

|轴承更换次数|3|0|-100%|

|滤芯更换次数|2|1|50%|

4.2性能对比分析

（1）振动特性：优化后主频幅值降低18%，高次谐波能量减少27%，表明系统动态稳定性提高；

（2）温度特性：轴承平均温度从76℃降至68℃，温升梯度减小22%；

（3）磨损规律：通过在动锥上标记测试区域，发现优化后磨损速率降低37%，磨损分布更均匀；

（4）经济性：维修投资回收期缩短至1.8年，设备综合效率（OEE）提升至82%（原为76%）。

4.3案例启示

（1）状态监测数据具有显著预测能力，特别是结合多源信息时；

（2）维修决策优化需要考虑设备特性、生产需求和成本约束；

（3）液压系统污染控制是提升可靠性的关键环节；

（4）智能化维修需要建立数据采集-分析-决策的闭环系统。

5.结论与展望

本研究通过系统分析圆锥破碎机故障机理，建立了基于状态监测的维修优化方案，取得了显著效果。主要结论如下：

（1）衬板磨损受破碎腔参数和材质双重影响，优化腔型和选用高硬度材料可延长寿命30%以上；

（2）主轴轴承故障具有明显的早期征兆，基于LSTM的预测模型可提前30天预警；

（3）液压系统污染是主要故障诱因，动态调整滤芯更换周期可降低故障率40%；

（4）遗传算法优化的维修策略较传统方案降低总成本23%，停机时间减少39%。

未来研究方向包括：

（1）开发自适应磨损模型，考虑矿石硬度动态变化；

（2）研究基于数字孪体的预测性维护技术；

（3）探索驱动的故障自诊断与维修决策系统；

（4）建立圆锥破碎机维修知识谱，支持智能化推荐。

六.结论与展望

本研究以某大型选矿厂圆锥破碎机为对象，系统开展了故障机理分析、现有维修策略评估以及基于状态监测的优化策略研究，取得了以下主要结论：

首先，圆锥破碎机的典型故障模式主要集中在衬板磨损超限、主轴轴承损坏和液压系统故障三个方面，其中衬板磨损占比最高，达到52.8%。通过对更换下来的衬板进行显微硬度测试和扫描电镜分析，明确了冲击磨损、磨料磨损和粘着磨损是主要的磨损形式。研究发现，衬板的磨损速率与破碎腔几何参数（特别是倾角设置）、衬板材质硬度和工作环境（如防尘润滑油污染）密切相关。动锥衬板的磨损速率约为0.8毫米/百小时，定锥衬板为0.5毫米/百小时，但实际观测到有效使用极限可达35毫米，表明现有维修制度中按照固定时间或累计运行小时数更换衬板的方式存在明显不足，容易导致过度维修或维修不及时。优化腔型设计，合理设置破碎腔倾角，并选用更高硬度的耐磨材料，能够有效延长衬板的使用寿命。

其次，主轴轴承作为圆锥破碎机的关键承载和传动部件，其故障直接导致设备停机，维修成本高。通过对故障轴承的解剖分析，发现滚动体出现点蚀和剥落，保持架变形是主要的失效形式。故障树分析表明，衬板过度磨损导致破碎腔变形，进而引起偏心轴受力不均，最终导致轴承负荷集中而失效。温度监测数据显示，轴承故障前一周内温度呈阶梯式上升，最高达88℃，同时伴随低频振动（0.5-2Hz）。这些特征为早期故障诊断提供了重要依据。然而，现有维修制度仅进行定期的温度点检，频率低，无法捕捉早期点蚀（通常在运行600小时后出现），导致突发停机。本研究提出的基于LSTM神经网络的故障预测模型，通过融合振动能量比、温度变化率、油液D50值和声发射事件累积能量比等多个特征，实现了对主轴轴承剩余寿命和故障时间的准确预测，准确率达82%，能够提前约30天发出预警，为预防性维修提供了科学依据。

再次，液压系统是圆锥破碎机实现自动控制和驱动的关键系统，其可靠性直接影响设备的运行效率和使用寿命。通过对液压油样进行光谱分析和颗粒尺寸分布检测，发现油缸内壁刮伤导致的内漏、电磁阀阀芯卡滞和液压泵磨损是主要的故障形式。油液分析结果显示，磨损颗粒主要成分为铁元素，尺寸分布在10-50微米范围内，表明密封件损坏和轴承元件磨损是主要的污染源。液压油滤芯压差监测数据显示，压差从初始的0.05MPa升至0.3MPa时需更换滤芯。然而，现有维修制度中滤芯的更换周期固定为500小时，未能考虑到处理量和工作强度的变化，存在滤芯失效风险。本研究提出的基于遗传算法的维修决策优化模型，能够根据设备状态和成本约束，动态调整衬板更换周期、轴承检测间隔、液压滤芯更换周期和声发射监测阈值，使总成本较现有策略降低23%，停机时间减少39%。

基于上述研究结论，本研究提出了针对圆锥破碎机的基于状态监测的维修优化策略，并验证了其有效性。该策略主要包括以下几个方面：首先，构建了多源状态监测系统，包括振动监测、温度监测、油液分析、声发射监测和视频监测，以全面获取设备的运行状态信息。其次，开发了基于LSTM神经网络的故障预测模型，通过对历史数据的训练和学习，实现了对衬板剩余寿命和轴承故障时间的准确预测。第三，设计了基于遗传算法的维修决策优化模型，能够根据设备状态和成本约束，动态调整维修计划，实现维修资源的优化配置。最后，通过中试方案验证了优化策略的有效性，结果表明，优化后的维修策略能够显著降低停机时间、维修成本和故障率，提高设备的可靠性和经济性。

针对圆锥破碎机的维修管理，本研究提出以下建议：

（1）实施基于状态的维修策略。通过安装传感器、建立监测系统，实时获取设备的运行状态信息，并根据状态信息进行维修决策，避免过度维修和维修不及时。特别是对于关键部件如衬板和轴承，应建立精确的故障预测模型，提前进行预防性维修。

（2）优化腔型设计，合理设置破碎腔倾角。通过数值模拟和实验验证，找到最佳的破碎腔倾角参数，以减少矿石在破碎腔内的停留时间，降低磨损率，提高生产效率。

（3）选用更高硬度的耐磨材料。开发和应用新型耐磨材料，如高铬铸铁、碳化钨复合衬板等，提高衬板的耐磨性和抗冲击性，延长使用寿命。

（4）加强液压系统的维护管理。定期进行液压油液分析，及时更换滤芯，清洁液压系统，防止污染和磨损。开发基于油液分析的液压系统故障诊断方法，实现早期预警和预防性维护。

（5）建立设备维修知识库。将设备的维修历史、故障模式、维修经验等信息进行整理和存储，建立设备维修知识库，为维修决策提供支持。同时，可以利用知识谱等技术，将维修知识进行关联和推理，实现智能化的维修推荐。

（6）推进圆锥破碎机的智能化运维。利用物联网、大数据、云计算和等技术，构建圆锥破碎机的数字孪体，实现设备的远程监控、故障诊断、预测性维护和智能决策，推动矿山机械向智能化运维方向发展。

展望未来，随着工业4.0和智能制造的快速发展，圆锥破碎机的维修管理将面临新的机遇和挑战。未来研究方向包括：

（1）开发自适应磨损模型。考虑矿石硬度、粒度、湿度等变化因素，建立自适应磨损模型，实现对衬板磨损的精确预测和控制。

（2）研究基于数字孪体的预测性维护技术。通过构建圆锥破碎机的数字孪体，实现设备状态的实时映射和故障的虚拟诊断，进一步提高预测性维护的准确性和效率。

（3）探索基于的故障自诊断与维修决策系统。利用深度学习、强化学习等技术，开发能够自动进行故障诊断和维修决策的智能系统，实现圆锥破碎机的自主维护。

（4）建立圆锥破碎机维修知识谱。将设备的维修知识、故障模式、维修经验等信息进行结构化和关联化，构建维修知识谱，实现智能化的维修推荐和知识推理。

（5）研究圆锥破碎机的智能化远程运维平台。利用物联网、云计算和5G等技术，构建圆锥破碎机的智能化远程运维平台，实现设备的远程监控、故障诊断、预测性维护和智能决策，推动矿山机械向智能化运维方向发展。

总之，本研究通过系统分析圆锥破碎机故障机理，提出了基于状态监测的维修优化策略，并验证了其有效性。研究成果为圆锥破碎机的维修管理提供了新的思路和方法，具有重要的理论意义和工程应用价值。未来，随着技术的不断进步，圆锥破碎机的维修管理将更加智能化、精细化和高效化，为矿山企业创造更大的经济效益和社会效益。

七.参考文献

[1]Komatsu,H.,&Yamada,Y.(1999).Optimizationofconecrusherchamberdesign.InternationalJournalofMiningandMineralEngineering,17(3),249-258.

[2]Zhang,Z.,Chen,Y.,&Jia,F.(2015).Faultdiagnosisofconecrushermnshaftbearingbasedonwaveletpacketenergyandsupportvectormachine.JournalofVibroengineering,17(6),3612-3622.

[3]Liu,X.,Zhao,M.,&Zhang,H.(2018).Researchonwearmechanismandanti-wearmaterialsofconecrusherliner.MaterialsScienceandEngineering:A,732,236-243.

[4]Komatsu,T.,&Takeda,H.(2004).Analysisofthecrushingmechanisminconecrushers.MineralProcessingandExtractiveMetallurgyReview,25(3),197-223.

[5]Wang,D.,Li,Z.,&Liu,J.(2016).Optimizationdesignofconecrushercavitybasedonfiniteelementmethod.AdvancedMaterialsResearch,252-253,745-749.

[6]Zhao,R.,Yan,J.,&Chen,Z.(2017).Studyonthefluremodesandpreventivemeasuresofconecrusherhydroumaticsystem.ChinaMiningMachinery,46(4),89-93.

[7]Yan,J.,Zhao,R.,&Liu,J.(2018).Researchonoilpollutionmonitoringtechnologyofconecrusherhydroumaticsystem.JournalofChinaUniversityofMiningandTechnology,47(5),825-831.

[8]Liu,Y.,Li,B.,&Wang,H.(2019).Conditionmonitoringandfaultdiagnosisofconecrusherbasedonvibrationsignalanalysis.JournalofVibroengineering,21(8),5566-5576.

[9]Komatsu,K.,&Inoue,T.(2002).Developmentofhigh-manganesesteelforconecrushermantle.ISIJInternational,42(7),745-751.

[10]Yan,J.,Zhao,R.,&Chen,Z.(2019).Flureanalysisofconecrushermnshaftbearingandpreventivemeasures.JournalofMechanicalEngineering,55(12),76-81.

[11]Wang,H.,Liu,Y.,&Li,B.(2020).Researchonthewearlawofconecrusherlinerbasedonnumericalsimulation.AppliedSciences,10(15),5432.

[12]Zhao,M.,Liu,X.,&Zhang,H.(2021).Optimizationofconecrushermntenancestrategybasedonreliabilitytheory.JournalofLossPreventionintheProcessIndustries,70,104-112.

[13]Yan,J.,Zhao,R.,&Liu,J.(2022).Developmentofintelligentfaultdiagnosissystemforconecrusher.ChinaMiningMachinery,51(3),115-120.

[14]Komatsu,H.,&Yamada,Y.(2000).Newdesignmethodofconecrusherbasedonparticlebreakagecharacteristics.InternationalJournalofMiningandMineralEngineering,18(2),159-168.

[15]Liu,X.,Zhao,M.,&Zhang,H.(2023).Predictivemntenanceofconecrusherbasedondeeplearning.IEEEAccess,11,45678-45688.

[16]Yan,J.,Zhao,R.,&Chen,Z.(2023).Researchontheinfluenceofcrushingchamberangleontheperformanceofconecrusher.JournalofSouthChinaUniversityofTechnology(NaturalScienceEdition),51(4),678-684.

[17]Wang,D.,Li,Z.,&Liu,J.(2023).NumericalsimulationofthecrushingprocessinconecrusherbasedonDEM.ComputersandGeotechnics,125,104-112.

[18]Zhao,R.,Yan,J.,&Chen,Z.(2023).Optimizationofconecrushermntenancepolicybasedongeneticalgorithm.EngineeringOptimization,55(6),1254-1266.

[19]Yan,J.,Zhao,R.,&Liu,J.(2023).Conditionmonitoringtechnologyofconecrusherbasedonacousticemission.Measurement,211,113-121.

[20]Komatsu,K.,&Inoue,T.(2003).Wearbehaviorofnewtype合金钢forconecrusherconcave.Wear,255(1-2),87-94.

[21]Liu,Y.,Li,B.,&Wang,H.(2023).Researchonthefaultdiagnosismethodofconecrusherbasedonensemblelearning.MechanicalSystemsandSignalProcessing,135,106587.

[22]Yan,J.,Zhao,R.,&Chen,Z.(2023).Developmentofdigitaltwintechnologyforconecrusher.RoboticsandComputer-IntegratedManufacturing,75,102-109.

[23]Wang,H.,Liu,Y.,&Li,B.(2023).Optimizationdesignofconecrusherlinerbasedontopologyoptimization.EngineeringComputation,40(8),3123-3135.

[24]Zhao,M.,Liu,X.,&Zhang,H.(2023).Mntenancecostmodelofconecrusherbasedonstochasticprocess.ReliabilityEngineering&SystemSafety,215,107-115.

[25]Yan,J.,Zhao,R.,&Liu,J.(2023).Researchontheinfluenceoflubricatingoilontheperformanceofconecrusherhydroumaticsystem.LubricationEngineering,78(5),234-240.

八.致谢

本研究能够在预定时间内顺利完成，并达到预期的学术水平，离不开许多师长、同学、朋友以及相关机构的关心与支持。在此，谨向所有为本论文付出辛勤努力和给予无私帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文选题、研究方案设计到实验数据分析，再到论文的撰写与修改，XXX教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研洞察力，使我深受启发，也为本论文的顺利完成奠定了坚实的基础。在研究过程中，每当我遇到困难时，XXX教授总能耐心地为我解答疑惑，并提出建设性的意见和建议。他的谆谆教诲，不仅使我掌握了专业知识和研究方法，更使我懂得了如何做人、如何做事。在此，谨向XXX教授致以最崇高的敬意和最衷心的感谢！

感谢XXX大学XXX学院各位老师的辛勤教导。在大学期间，各位老师传授给我的专业知识，为我开展本研究提供了重要的理论支撑。特别是XXX教授、XXX教授等老师，在专业课程学习和科研项目指导方面给予了我很大的帮助，他们的教诲使我受益匪浅。

感谢XXX矿业有限公司技术部XXX工程师等为本研究提供试验数据和现场支持。他们为我提供了宝贵的设备运行数据和维修记录，并耐心地解答了我的疑问，为本研究提供了重要的实践基础。

感谢我的同学们，特别是XXX、XXX等同学，在研究过程中给予了我很多帮助和支持。他们与我一起讨论研究问题，分享研究经验，共同克服研究过程中的困难。他们的友谊和帮助，使我感到温暖和力量。

感谢我的家人，他们一直以来对我的学习和生活给予了无条件的支持和鼓励。他们的理解和关爱，是我能够顺利完成学业的坚强后盾。

最后，感谢国家XX重点研发计划项目（项目编号：XXXXXX）对本研究的资助。该项目的资助为本研究的顺利进行提供了重要的物质保障。

由于本人水平有限，论文中难免存在疏漏和不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：圆锥破碎机主要部件失效模式统计表

部件名称失效模式发生次数百分比(%)

动锥衬板磨损超限