矿用主通风机作为大型煤矿固定设备,承担着为全矿井通风的重要任务,被称为矿井的“肺脏”,其运转是否正常直接影响着煤矿企业的安全生产。因此,对其进行故障诊断和预警研究是煤矿企业生产中必不可少的环节,无论是对煤矿安全监管还是设备的使用维护都具有重要意义。本文综述了国内外通风机故障诊断的发展、研究现状以及存在的技术问题,在研究了通风机振动机理与振动分析方法的基础上,运用理论分析、数值模拟与实验相结合的方法对基于小波神经网络和D—S证据理论的通风机故障诊断及预警技术作了深入研究,开发了主通风机在线监测与故障诊断系统软件,并运用接口技术和混合编程方法实现了主通机在线故障预警。实验结果证明,该方法优化了传统神经网络诊断的算法,融合了神经网络和证据理论的优势,提高了神经网络用于通风机故障诊断的速度和精度。本文的主要工作及研究成果包括:①从通风机振动机理的研究入手,提出了基于塔式模型的振动分析方法,为现场旋转机械设备故障检测提供了理论依据。②研究了通风机故障原因及各故障特征状态下的时域波形和频谱特性,运用FFT频谱特征分析方法对通风机进行故障诊断。③利用人工神经网络的非线性映射能力实现了从特征空间到故障空间的映射,建立了小波神经网络预测模型,可以判断通风机振动烈度的发展趋势,为预知维修提供依据。④提出了神经网络与证据理论相结合的故障预警方法,该方法充分发挥了神经网络与证据理论两种信息融合方法的优势,并详细介绍了该模型在矿用主通风机故障预警中的应用,实践证明具有较好的效果。⑤运用信息融合技术,以组态软件为开发平台,利用Matlab与VC++混合编程技术开发了主通风机在线监测与故障诊断软件,搭建了系统故障预警平台。