矿井提升机作为矿山机械的重要组成部分,在矿山生产运行中起着重要的"咽喉"作用。由于矿山生产环境的复杂性,矿井提升机往往也在复杂多变的载荷作用下工作,这些既有负载工作时的正常载荷,也包含故障状态下的危险载荷,这与机组的安全运行有着密切的联系,但是受到工作环境限制,这些载荷往往难以通过直接的方法测量,因此提出了载荷辨识方法,即通过载荷下相对较易测得的动态响应辨识载荷的方法。为了提出有效的载荷辨识方法,需要准确了解矿井提升机的动态响应,在载荷作用下,首先影响矿井提升机的运行特性,然后会影响运行电流,以及固定支座的振动情况,考虑到电流与振动信号的复杂性与处理信号后数据误差的传递性,提出从运行特性辨识矿井提升机载荷的方法。以传递矩阵法假设为依据合理简化矿井提升机物理模型,以能量守恒、功率守恒的原则对转动惯量、刚度、转矩做等效折算,以磁场守恒、功率守恒的原则对异步电机电磁模型进行解耦,进而建立MATLAB/Simulink机电耦合模型与矢量控制仿真模型,从而仿真得到矿井提升机正常载荷与故障载荷(稳态、冲击、瞬态、线性、正弦载荷)作用下的运行特性曲线。发现速度变化特性与载荷特性有着一致的变化关系;数值上,载荷越大,速度降低也越大;而且在正弦载荷作用下,速度变化频率与载荷变化频率一致,频率越大,相同幅值的载荷作用下,速度变化的幅值越小。利用这些特性,可以绕开系统自身特征参数,以运行特性为自变量,载荷特性为因变量,从而实现矿井提升机的载荷辨识。为了能够精确辨识载荷,对比传统回归预测方法与新型回归预测方法,引入SVM辨识载荷的方法。SVM理论完善,具有的良好的泛化能力;需要调节的参数较少,鲁棒性强;只需要简单的优化技术,计算简单;在解决实际问题中总是属于最好的方法之一。因此本文采用SVM模型并与具有代表性的典型的全局寻优算法Grid、启发性直接算法GA与基于群体的启发性算法PSO结合进行载荷辨识,辨识结果表明,Grid与PSO优化SVM往往能得到较好的辨识效果,而Grid优化SVM的辨识效果一般优于PSO优化SVM,这与本文数据分布有关,而且辨识结果最大的绝对误差都发生在最小载荷的预测上,呈现出最大绝对误差到最小的收敛趋势。在数据处理方面,无论是无反馈还是反馈型SVM载荷辨识时,对自变量与因变量较好的处理方式均为自变量不归一化-因变量不归一化和自变量归一化-因变量不归一化;但是自变量归一化与不归一化对最终的辨识效果影响不是很大,可从二者中测试选择最优的,是否PCA降维处理也是如此;而且在反馈控制型SVM载荷辨识时,发现因变量的大小对最终的辨识效果影响比较大,通过适当的比例变化,可以极大的降低最大的绝对误差,而且对整体的辨识效果影响不大,甚至可以优化整体辨识效果。最后,研制试验台,采集加载数据,通过试验验证的方法,证明了 SVM载荷辨识方法在实际应用中的有效性,为矿井提升机的载荷辨识与故障诊断提供了理论依据。