液压支架作为现代化综采工作面的关键设备之一,其主要作用是有效支护采区顶板,提供安全作业空间。由于工作环境恶劣、工作强度高、设备结构复杂等因素导致液压支架故障频繁发生,漫长的维修时间严重影响了煤炭企业的生产效率,增加了煤炭的开采成本,故障维修不及时甚至会引起安全事故。针对目前的状况,本文对液压支架的故障诊断和故障预测进行研究,实现故障发生后快速进行识别和定位,并对设备一小时后的运行状态进行预测。本文主要工作如下:(1)对液压支架的故障现状进行了分析。本文首先对故障诊断和故障预测的研究现状进行文献分析,发现其在液压支架设备的应用中较少,需要更多的理论探索和实践应用;依据实地调研搜集到的信息,结合专家知识,统计分析出液压支架的四类常见故障及其主要表现,并进行相关原因的探究,构建出液压支架常见故障的事故树。(2)对液压支架的故障诊断进行研究。首先,本文确定了液压支架设备的监测指标,采集四类故障发生时的运行数据并进行降维,将其整理成训练集和测试集,在MATLAB中基于libsvm-3.23工具包构建支持向量机的分类模型;然后,针对故障原因之间的复杂性和关联性,将液压支架故障原因历史记录整理成Excel表格,进行贝叶斯网络的结构学习和参数学习,运用概率值表达各故障原因间的不确定性关系;其次,基于支持向量机的分类结果作为已知证据,输入至贝叶斯网络,进行贝叶斯网络推理;最后,通过实例,验证故障诊断模型的可行性。(3)对液压支架的故障预测进行研究。传统的“事后维修”已经跟不上生产力变革的脚步,随着煤炭开采设备逐步进入智能化阶段,对液压支架的故障预测研究有着重要的意义。本文进行了故障预测方法的设计,建立的目标是:在一小时前,预测一小时后设备是否发生故障。采用液压支架一小时后的运行状态作为标签,来标记此时的运行数据,运用支持向量机方法将不同样本(一小时后出现故障和一小时后不出现故障)进行正确的分类,分别用交叉验证-网格搜索法、粒子群算法、人工鱼群算法三种方法,对支持向量机中的惩罚系数c、核参数g进行优化,选取每种方法得到的参数组合构建预测模型,通过对比其对测试集的分类结果,依据分类准确率的高低,选取人工鱼群支持向量机用于液压支架的故障预测。论文有图29幅,表23个,参考文献89篇。