煤矿通风机是工矿企业中占据举足轻重作用的一类旋转机械设备,同时在煤矿企业的经济建设和生产过程中有着不可忽视的地位。但是机械设备在使用过程中会产生故障,而煤矿通风机一旦出现故障,就会造成不可估计的人员伤亡和经济损失。所以,煤矿通风机在运转过程中有必要对其运行状态进行监测、诊断和预测。故障预测是指在通风机出现故障之前能够根据其之前的运行状态总结规律,从而来判断下一时刻通风机是否正常的一种估计方法,这对减小煤矿事故和提高安全生产以及经济建设都是一项极具实际意义的理论研究。由于单一预测算法对非线性非平稳信号的处理效果不理想,且存在滤波不彻底、适用性不宽以及预测精度不高等缺点,本文提出基于小波_SVM组合算法对通风机进行故障预测。首先,通过小波和小波包分析对振动传感器所测得的振动信号进行去噪、滤波和分解,提取其系数所重构的特征值,作为支持向量机的输入向量；其次,支持向量机对输入样本进行训练建模来估计下一时刻的真实值；最后,将设计的模型应用于可与Matlab软件无缝连接的LabVIEW上位机软件中进行软件实现。最后在淮北杨庄矿的地面通风机进行采集振动数据、建立实验模型并应用于实际使用过程中。在对通风机故障预测做出了完备的理论分析的同时,对实际应用中旋转类机械设备的状态监测、诊断和预测理论指出了下一步的研究方向。所提出的预测方法可适用于一般的旋转机械类机械,因此对汽轮机、压缩机和电动机等都有着广泛的应用,对提高旋转类机械使用时间和安全生产都有着切实的应用价值。