多绳提升机作为煤矿生产企业重要的大型固定设备,其安全稳定运行具有极其重要的意义。多绳提升机工作于低速、重载且载荷变化的恶劣环境下,其振动信号具有非线性、非平稳及噪声强等特点,本文基于传感器数据融合,针对多绳提升机载荷识别、主轴系统故障诊断及网络化设备管理等关键问题进行了深入研究,研究结果丰富和完善了低速重载机械设备的状态监测与故障诊断理论,对大型设备的安全高效运行与科学维护管理具有重要的指导意义和应用价值。首先,提出了基于振动信号的多绳提升机提升载荷识别方法。采用改进的经验模态分解算法对滚筒支撑轴承水平方向振动信号进行分析,有效提取固有模态函数能量值、能量矩及能量互信息作为特征参数,结合支持向量回归算法实现了提升载荷的定量识别。该方法采用间接测量方式,不破坏多绳提升机结构,且对生产过程无影响,较之现有识别方法更为精确与安全经济。在分析异常载荷与提升机故障相关性的基础上,研究了提升机载荷相关故障诊断方法,从能量域的角度提取了故障特征,构建了由多个支持向量机组成的多故障分类器,实现故障状态的识别,并通过实例验证了此方法的有效性。其次,提出了基于局域均值分解与改进有向无环图支持向量机的滚动轴承故障诊断方法。针对实际采集的滚动轴承振动信号表现出的强背景噪声、非平稳、非线性及多载波多调制的特性,采用局域均值分解方法对其进行消噪分频处理,提取分解结果PF分量的能量特征作为故障状态的有效表征并依此构建特征向量;针对滚动轴承待识别故障类型数目大的问题提出了一种基于复杂网络理论优化的有向无环图多分类支持向量机,利用类间平均相似性测度构建优化的DAG-SVM多元分类器。实例验证结果表明,将提取的特征向量输入改进的有向无环图多分类支持向量机,可有效实现滚动轴承的典型故障诊断,对故障部位及其演化程度均表现出较高的识别精度与效率。再次,提出了基于复杂网络聚类算法的主轴系统故障诊断方法,将复杂网络理论引入主轴系统的故障模式识别中,针对主轴系统故障样本数据特征微弱、分散等特点,提出一种广义Ward距离的聚类划分准则,提高了局部判断的精细性,同时降低了计算复杂度,有效实现了主轴系统典型故障的模式识别。此外,该方法不需预设聚类结果的类别数,对于缺乏先验知识及故障样本的系统实现故障类型的有效诊断提供了一个行之有效的新方法。然后,构建了集成工况监测与故障诊断的网络化提升设备管理系统,采用现场总线、企业Intranet与远程Internet融合的管理模式,给出了满足网络化管理要求的系统混合结构与实施流程,建立了系统总体功能模型,分析了网络信息融合下各功能的数据信息流通的结构,最后综合运用网络通讯技术、数据库技术及计算机技术实现了系统的开发。最后,基于现场运行的多绳提升设备进行试验,设计了反映设备工作状态和可能故障的多传感器测试系统,获取设备运行主要参数及主轴系统振动信号,采用前述数字信号处理技术及故障模式识别方法,验证了提升载荷识别和主轴系统故障诊断的理论和方法的正确性与有效性;并对开发的网络化设备管理系统进行了测试分析,成功实现了状态监测和故障诊断理论和方法的工程应用。