行程开关作为机械设备中的关键部件,工作可靠性和安全性具有重要作用。行程开关早期故障信号较微弱,不易察觉,然而故障往往呈现渐进性发展趋势,微小损伤可能逐渐演变成致命故障。所以,对行程开关常见的故障原因进行早期故障诊断研究,及时发现故障隐患,化被动维修为主动预防,具有重要意义。首先,本文在分析故障诊断技术国内外研究现状及行程开关结构和故障特点的基础上,搭建实验平台,模拟行程开关工作过程。通过采集行程开关在正常状态、紧固螺栓松动故障和弹簧片弹性不足故障的电压信号以验证本文对于行程开关早期故障诊断方法研究的可行性。其次,针对行程开关紧固螺栓松动早期故障原因,分别采用基于小波-支持向量机和基于EMD-PCA-ELM两种研究方法进行早期故障诊断的研究。基于小波-支持向量机早期故障诊断方法将去噪后的电压信号利用小波分析进行特征提取,最后选取智能识别方法支持向量机进行故障分类,同时对支持向量机模型的参数运用SA-PSO算法优化。基于EMD-PCA-ELM方法的重点在于特征提取部分,首先用经验模态分解方法对行程开关电压信号进行时频特征提取,计算IMF分量的峭度值,同时时域提取平均值、峭度、均方根值等特征分量,然后将融合了时域和频域的高维特征集采用主元分析法进行降维,最终将降维后的结果输入到极限学习机中进行故障分类。通过对结果的分析表明,基于小波-支持向量机的研究方法识别正确率高于基于EMD-PCA-ELM的研究方法。针对行程开关弹簧片弹性不足故障原因,建立),(ARMA qp时间序列模型,采用最大似然估计对模型参数进行估计,将得到的模型参数值作为特征值,采用K近邻分类方法对特征值进行故障识别工作。最后,通过对行程开关紧固螺栓松动和弹簧片弹性不足两类故障进行故障诊断研究,结果表明能有效的实现行程开关的早期故障诊断。