煤矿大型机电设备多属低速、重载设备,且工作环境特别恶劣,零部件的异常磨损已经成为了此类机电设备常见的故障类型。如果不及时采取措施准确的掌握设备的摩擦磨损状态,一旦设备发生故障,将会严重影响生产效率,进而给企业带来巨大的经济损失。为了有效解决以上问题,本文将依据煤矿大型机电设备工作特点,基于油液检测分析技术对煤矿大型机电设备摩擦磨损状态检测分析技术进行深入研究,有效实现煤矿大型机电设备摩擦磨损状态检测,及时对煤矿大型机电设备进行检修预警,确保煤矿安全生产。本文主要研究内容如下:1)基于互联网技术设计并开发煤矿大型机电设备油液监测系统,通过在线采集原子发射光谱仪、粘度计、铁谱分析仪检测油样获取的光谱信息、粘度信息及铁谱图片信息,并对采集到的油样检测信息按照批次号、油样号进行科学化油样管理,系统主要包含:油样信息管理模块、铁谱图像信息管理模块、光谱信息管理模块、粘度信息管理模块、设备检测信息在线导入模块、趋势自动分析模块、油样检测报告分析模块等,用户基于上述模块能够在线给出油样检测分析报告,并对使用异常油样的煤矿大型机电设备给出检修提醒。2)提出了基于铁谱分析的机电设备摩擦磨损状态分析算法,并以设计的油液监测系统采集的铁谱图像数据为研究基础。该算法首先提出了基于最大磨损颗粒的多元特征提取算法从铁谱图像中提取22个特征,然后以提取的铁谱图像特征构建C-SVC分类模型对异常磨损及无异常两类铁谱图像进行分类仿真。仿真结果表明,基于最大块磨损颗粒多元化特征的C-SVC模型无异常图像分类准确率平均达到82.5%,异常磨损图像分类准确率平均达到92.5%,与决策树模型、基于最大块磨损颗粒多元化特征的SVM模型和不含最大磨损颗粒多元化特征的C-SVC模型相比,有效提高了分类准确率。为提高煤矿大型机电设备油液监测系统的智能决策分析性能,更好地实现机电设备摩擦磨损状态检测提供了理论基础。3)提出了基于遗传算法和铁谱分析的机电设备摩擦磨损状态分析算法。为了进一步提高基于铁谱分析的机电设备摩擦磨损状态分析算法的分类效率,本文基于遗传算法和C-SVC算法的工作原理,构建了多元化特征优化选择算法。该算法将从22个铁谱图像特征中优化选择出部分特征,组成新的优化特征矩阵,并以优化特征矩阵为基础构建分类模型。仿真结果表明,与基于铁谱分析的机电设备摩擦磨损状态分析算法相比,有效保证了模型的总分类准确率,同时,模型运算时间开销缩短了约21.3%,有效提高了原有分类模型的计算效率,为煤矿大型机电设备油液监测系统智能决策分析性能的进一步优化提供理论基础。