矿井提升机是煤矿生产的关键设备,在保证煤矿安全生产中起着至关重要的作用。在矿井提升机日常运行过程中会产生海量的监测数据,其中蕴涵大量潜在的信息。本文引入了数据挖掘技术进行矿井提升机故障知识的自动获取,设计基于数据挖掘技术的提升机故障诊断系统,对保证煤矿安全生产具有重要的意义。本文以矿井提升机系统为研究对象,总结了提升机常见故障及故障机理,研究了粗糙集理论及决策树分类算法,引入近似精度的决策树分类算法诊断模型,设计了基于数据挖掘技术的矿井提升机故障诊断系统。主要研究内容包括:(1)分析了矿井提升机常见的故障类型及故障机理,总结了常见的故障特征,利用时频域分析表征故障的特征参数,确定系统所需的监测信号;(2)介绍了决策树算法的基本理论,分析了其建树过程、评价标准及常见的分类算法,实现了基于决策树分类算法的提升机监测数据诊断实验,验证数据挖掘技术应用于提升机故障诊断的切实可行性;(3)研究了粗糙集的基本理论,建立基于近似精度的决策树分类算法模型及改进算法的模型,阐明了诊断模型的原理和构造流程,应用实例数据实现模型的测试与分析;(4)在专业数据挖掘开发平台上构建了决策树分类算法模型、基于近似精度的决策树分类算法模型及其改进算法的模型,实现对诊断模型的实验分析与评价;(5)分析了信号采集方法与处理流程,数据挖掘流程和故障诊断流程。从信号采集模块设计、系统数据库设计、系统管理模块设计、在线监测模块设计、数据挖掘与故障诊断模块设计等方面设计基于数据挖掘技术的提升机故障诊断系统。本系统功能齐全,扩展性好,开发成本低,数据挖掘的故障规则具有较高的准确性,为进一步的研究和实际应用打下了良好的基础。