煤矿主通风机是矿井通风系统的核心设备,承担着井下作业点瓦斯、矿尘和污浊气体排放的重任,它的正常运转是企业安全生产的重要保障。因此,对其进行状态监测和故障诊断具有重要意义。本文以煤矿主通风机为研究背景,概述了故障诊断技术,分析了煤矿主通风机故障诊断技术的发展现状。针对煤矿主通风机的结构特点,研究分析了煤矿主通风机的故障机理,设计煤矿主通风机的振动信号采集系统。结合煤矿主通风机轴承部分和旋转体部分常见故障的故障机理,研究了基于煤矿主通风机振动信号分析的故障诊断方法。介绍和分析了传统时频分析方法在煤矿主通风机故障诊断中的应用及其局限性,这些传统时频方法主要包括窗口傅里叶变换、Wigner-Ville分布以及小波分析。传统的时频分析方法仍是基于傅里叶变换的信号分析方法,严格意义上只适于平稳信号的分析,不具备自适应性的特点。针对传统时频方法在非平稳信号分析中的不足,为了有效分析和提取煤矿主通风机的故障特征,采用希尔伯特黄变换对振动信号进行分析,并通过本征模态函数能量的方法提取出故障特征值。针对煤矿主通风机故障信号的特点,考虑到样本数量和诊断精度等因素,采用支持向量机的方法对煤矿主通风机进行状态识别,另外,为了提高分类器的训练速度和准确率,采用遗传算法对支持向量机进行参数优化。最后通过煤矿主通风机的故障信号的实例分析,验证该算法的有效性。