论文课题来源于山西省科技重大专项——“基于物联网的煤矿重大生产装备状态监测及全寿命周期管理系统的开发”(编号:20131101029)的子课题,是针对我国采煤机故障频率高、运行可靠性低、状态监测功能不完善等问题提出的。采煤机是矿井综采工作面重要的生产装备,由于工作面生产环境恶劣,运行过程中经常面对各种冲击负荷,采煤机一旦发生故障将造成煤矿生产停止,这对采煤机运行的可靠性提出了非常高的要求。摇臂齿轮故障是采煤机故障的主要形式,占整机故障的34.2%。本文深入分析了摇臂齿轮故障振动信号的产生和变化规律,研究了信号分析技术和智能诊断技术在摇臂齿轮故障中的应用,研究结论可为摇臂齿轮的故障定位、故障诊断以及状态检修提供理论支撑。主要研究内容如下:深入分析了采煤机的结构组成及常见故障形式,结合采煤机寿命管理的功能要求,制定了基于物联网三层架构的采煤机状态监测及寿命管理系统的总体实施方案。根据监测信息和机载监控系统的特点,确定了数据的获取方式和上位机的开发平台,为系统的实施奠定了理论基础。对摇臂齿轮振动信号产生机理及振动信号调制现象做了深入分析,考虑摇臂齿轮箱的结构特点,分别建立了摇臂直齿轮和行星齿轮局部故障振动信号模型,通过理论推导得到了不同齿轮故障的振动信号频谱特征。在MATLAB平台中对模型进行了仿真分析,仿真结果验证了模型的正确性,为摇臂的齿轮故障定位提供了理论依据。摇臂齿轮箱为多级齿轮传动,针对测试数据小样本和多参量的特点,提出了一种基于小波分解和支持向量机的摇臂齿轮故障诊断方法,利用小波分析方法可准确提取振动信号中的故障特征信息,支持向量机可实现不同故障的分类识别。对小波分解进行了理论推导和仿真分析,为摇臂齿轮的故障识别奠定了理论基础。对山西菲利普斯煤矿机械修造有限公司带有齿轮局部故障的摇臂进行了加载实验,对采集的振动信号进行了频谱分析,分析结果表明:本文所建立的齿轮故障模型能客观准确的反映摇臂齿轮故障状态。分别对带有断齿、磨损、剥落以及点蚀齿轮故障的摇臂进行加载实验,提取了振动信号故障特征参量并进行故障识别,识别准确率可达96%。