本文系统研究了大型振动筛侧帮裂纹故障诊断问题。以平煤集团田庄选煤厂大型直线振动筛DZK2466为研究对象,根据现场实际生产情况和设备维护需求,对其侧帮裂纹进行了等级划分,通过现场跟踪和检测,得到了不同裂纹等级状态下的侧帮振动数据。提出了基于AR模型、主元分析和支持向量机的振动筛侧帮裂纹小样本故障诊断方法。研究了小波和小波包分析理论,对检测信号进行了小波降噪处理和小波包能量故障特征提取；研究了神经网络和遗传算法理论,建立了小波遗传神经网络,实现了对振动筛侧帮裂纹快速、准确的诊断。最后,提出了一种基于数据库的振动筛故障在线智能诊断方法,利用数据库、VB和Matlab软件对检测信息进行在线处理、调用、存储和分析,界面友好,操作方便,成功实现了对DZK2466侧帮裂纹的在线诊断和预警,尤其是对早期疲劳裂纹的准确预警对振动筛安全运行有着非常积极的意义。