随着煤炭开采深度的增加,矿井提升系统的运行速度也在不断提高。高速运行的提升系统极易受到外界激励的干扰,导致作为关键部件的提升钢丝绳产生较大幅度的异常振动位移,甚至会引发绳间碰撞行为,造成钢丝绳表面磨损,加速其断裂,严重影响系统的稳定性和安全性。因此,研究外界激励条件下提升钢丝绳横向振动特性,并采用合理的方法进行横向振动识别对提升系统的运行状态评估有重要意义。本文以提升垂绳为研究对象,从以下五个方面进行了深入研究:（1）建立了提升钢丝绳多向耦合振动模型。首先,对提升系统各部件的能量进行分析,并利用广义Hamilton原理建立了天轮与罐道耦合激励条件下提升钢丝绳多向耦合振动模型;然后,利用Galerkin截断法将数学模型离散化为方便求解的包含钢丝绳振动位移相关参数的常微分方程组;最后,基于构建的实验系统,利用本文提出的提升钢丝绳振动测量方法对提升垂绳的动力学模型进行了验证。（2）基于提升钢丝绳的动力学模型对提升垂绳横向振动特性进行了研究。首先,分析了天轮激励条件下,提升垂绳在不同空间位置的横向振动位移,并对比分析了同一时间不同位置的垂绳横向振动幅值的大小,确定了不同时刻提升垂绳发生最大横向振动位移的位置是以其中点位置为平衡点上下波动的;然后,分析了天轮和罐道耦合激励条件下,提升垂绳在不同空间位置的横向振动位移,研究了不同罐道激励对提升垂绳横向振动特性的影响,确定了在有罐道激励时,提升垂绳的振动特征以及垂绳中点位置会出现最大的横向振动幅值变化。所得结论为提升垂绳横向振动监测以及垂绳横向振动特征识别提供了理论依据。（3）研究了基于双目立体视觉的提升钢丝绳复合横向（横-侧向）振动测量方法。首先,对双目立体视觉的测量原理进行研究,确定了提升钢丝绳的振动测量流程;研究了基于图像灰度变换（Gray-Scale Transformation,GST）算法的钢丝绳测点目标识别方法,并选取兼顾灰度匹配和特征匹配优点的方向码匹配（Orientation Code Matching,OCM）算法对图像中的钢丝绳进行追踪定位;其次,将曲面拟合算法与OCM算法结合,实现了钢丝绳测点目标亚像素级的定位;然后,提出了一种基于数字图像处理（Digital Image Processing,DIP）算法和二维模板匹配算法的图像立体匹配方法,简化了传统立体匹配的过程,能够实现无标记条件下钢丝绳测点目标的立体匹配;最后,基于构建的实验系统,利用激光位移传感器和加速度传感器对本文提出的提升钢丝绳复合横向振动测量方法的准确性进行了验证。（4）研究了一种多提升钢丝绳复合横向振动同步测量方法。首先,对模板匹配算法在多钢丝绳测点目标定位中存在的问题进行了分析;其次,研究了一种基于Kalman运动估计算法和OCM算法结合的多相同目标同步追踪定位方法,用于多绳提升系统中钢丝绳测点目标的同步定位和振动测量;然后,对该方法的可行性和实时性进行了分析,确定了该方法不仅能够同步测量多根钢丝绳的振动,而且能够提高振动测量的效率;最后,基于构建的实验系统,利用激光位移传感器和加速度传感器对提出的多钢丝绳振动同步测量方法的准确性以及该方法对测量距离和光照条件的适应性进行了验证。采用提升钢丝绳复合横向振动测量方法获得垂绳准确的振动位移,能为垂绳横向或侧向振动特征识别提供可靠的数据支持。（5）研究了提升垂绳在罐道激励条件下的横向振动特征识别方法。首先,提出了一种基于奇异值分解（Singular Value Decomposition,SVD）算法和Teager能量算子的钢丝绳振动突变特征识别方法,利用二分递推SVD算法对钢丝绳振动信号中的突变特征进行提取,并利用Teager能量算子对突变信息进行识别;然后,提出了一种基于经验模态分解（Empirical Mode Decomposition,EMD）算法和定性趋势分析（Qualitative Trend Analysis,QTA）的钢丝绳振动趋势识别方法,采用互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）算法提取钢丝绳振动信号的趋势项,并且利用改进的QTA进行趋势项中细节信息的识别,确定振动趋势基元。本文的研究成果可为提升系统的稳定运行、状态监测和刚性罐道的故障诊断提供理论支持。该论文有图112幅,表14个,参考文献168篇。