电梯导靴作为电梯结构中比较关键的部件之一,它一旦发生故障,就会直接影响到人们乘坐电梯的舒适感甚至是生命,因此,对电梯导靴的状态分析和安全检测是不容忽视的问题。对电梯导靴的早期故障状态进行研究和分析时,可以采用振动信号分析法,再结合模式识别进行检测。本文利用振动信号分析法对电梯导靴中获取到的复杂信号进行分解,剔除杂乱信号和无关信号,得到跟故障信号相关的突变信号,之后对信号进行重构,重构后进行分解,得到一个个单分量信号,对单分量信号取其能量值并对其进行归一化并作为多变量预测模型(Variable predictive model based class discriminate,VPMCD)模式识别方法的输入,所以,本文将采用合适的时频分析方法结合于多变量预测模型,对电梯导靴故障诊断进行研究。本文将从以下几个方面来对电梯导靴进行深入地研究:1.对电梯进行结构和振动机理的分析,对电梯导靴的失效形式作出合理的分析,探寻电梯振动加速度信号与电梯导靴故障之间的关系,以电梯的上导靴和下导靴失效形式为研究对象进行探索和分析。此次研究为乘坐电梯的安全性有重要参考价值。2.研究了经验模态分解时频分析算法在非线性、非平稳信号处理中的原理及Hilbert变换在信号分析中的应用,提出了SVD优化EMD的方法。该方法有效改善了EMD难以直接提取早期微弱故障特征的问题,更准确地提取了振动信号的故障特征频率,验证了所述方法的有效性。3.研究了VPMCD方法、神经网络和支持向量机的原理,对这三种方法进行了对比分析,从实验结果可以看出多变量预测模型优于神经网络和支持向量机,表明了VPMCD在电梯导靴中的优越性和适用性。将SVD优化EMD方法与VPMCD方法进行结合后应用于电梯导靴,为实现电梯导靴故障在线智能诊断提供了一个有效新途径。