在整个球团生产线中,关键大型风机设备的安全稳定运行是球团连续生产稳定进行的重要基础保障。一旦主抽风机和回热风机发生故障将会影响整个工艺流程并可能会造成重大损失,目前,国内整个球团、烧结生产线中此类风机设备的故障预警与风险评估方法仍以简单的监测参数为基础,故障分析和处理以人为主观判断和事后处置为主,诊断的准确性和事前预警机制不够完善,为确保球团生产线稳定运行最大化,降低运营成本,提高经济效益,应以球团生产线主干风机在线故障诊断研究作为支撑球团生产的长期稳定运行的技术保障。针对球团生产线主干风机故障诊断中存在的故障诊断准确度不高、模型运行时间过长等问题,本文以小波包分析、证据理论和支持向量机为主要研究手段,提出一种球团生产线主要风机故障诊断模型。本文所做主要工作如下:（1）针对故障诊断准确度不高的问题,提出一种通过证据理论融合来提高故障分类准确度的可行方案。通过小波包方法将振动信号分解和重构为不同频段上的频谱信号,采用峭度和裕度因子以及小波能量在不同频段上的数量关系来区分不同的故障类型,以相似度作为初步故障分类的依据,利用证据理论来提高故障诊断的稳定性。实验结果表明,本文提出的基于小波包和证据理论改进的频谱故障诊断方法具备小波能量故障分类准确度高的特点并同时具备了峭度和裕度因子的区分度大的特点,提高了初步故障诊断结果的稳定性,为进一步故障诊断提供了重要依据。（2）针对故障诊断模型运行时间过长的问题,提出一种基于改进K-means算法的支持向量预提取方法。K-means算法将不包含异类样本点的纯簇删去,而删去的纯簇中有时会包含较多的支持向量,离群点检测的方法可以去除离群点而保留大量的原始数据,从而能够保持较多的支持向量。首先将不处于边界上的纯簇删去。剩下的边界附近的纯簇如果离散程度较大则采用离群点检测的方法剔除离群点保留簇的主体,如果离散程度小则对其进行随机稀疏保留簇的边界信息。实验结果表明,通过融合技术和改进的K-means算法的支持向量机全方位的球团主干风机故障诊断应用不仅保证了系统的稳定性也提高了模型的运行速度,实验表明该模型可以满足整体故障的需求。