振动筛作为一种工业领域中筛分原料的工具,主要通过激振器产生的周期作用力驱动筛箱进行筛分工作。其中减振弹簧作为筛箱与激振器之间传递作用力的桥梁,长时间承受激振器带来的往复加载作用容易产生疲劳失效,严重时甚至会发展成裂纹断裂,从而导致振动筛设备故障。本文通过对直线振动筛进行动力学建模研究减振弹簧在日常筛分工况下的振动特性,并结合有限元仿真与疲劳仿真来分析减振弹簧的失效形式,最后运用Elman神经网络对减振弹簧的失效故障进行综合分析与研究。基于机械动力学相关理论构建直线振动筛的动力学模型,分析减振弹簧在日常筛分工作中的振动特性,并结合Miner疲劳损伤理论与科学分析法探讨影响减振弹簧疲劳寿命的因素。在此基础上结合有限元仿真与疲劳失效仿真讨论了减振弹簧在只受垂向加载和复合加载两种不同工况下的静强度仿真结果和疲劳仿真结果,由此对减振弹簧在直线振动筛日常筛分工作中最容易发生疲劳断裂的区域进行精准定位,最后对比减振弹簧的实际断裂情况证明理论与仿真结果的可靠性。在减振弹簧疲劳失效研究的基础上,设计振动实验分别检测了减振弹簧处于健康工况及四种故障工况下的振动信号,并通过HHT变换及Hilbert谱结果的分析来研究不同工况下的振动信号差异,同时基于混沌理论提取出相关混沌特征参数,证明了故障发生后减振弹簧的振动具有混沌性,其差异可以用于初步区分减振弹簧是否发生失效故障的判断依据。通过对减振弹簧处于不同工况下振动信号的时频分析和混沌特性分析,提取出相关时域特征值与混沌特征值作为故障特征向量。与此同时基于Elman神经网络模型搭建故障识别的分类器,将复合数据集进行训练和测试,分类器结果表明不同工况的识别率达到90%以上,可以有效识别出减振弹簧的不同故障工况。本文通过疲劳仿真结合振动实验的方法对减振弹簧的疲劳失效故障进行综合分析与研究,确定了减振弹簧在日常筛分工况下出现疲劳断裂故障的相关机理,与此同时结合对振动信号的分析研究可以初步区分出减振弹簧的不同故障工况,由此为直线振动筛减振弹簧的故障检测研究提供理论参考。