采煤机属于煤矿主要的采掘设备,在煤矿日常开采任务中起到重要的作用,其长期运作在恶劣工况内,不可避免的会发生各类故障。截割部作为采煤机关键的旋转机构,其主轴承连续高负荷长时间运转,主轴承势必会发生相应的机械故障。截割部主轴承在发生故障后,会出现异常振动现象,并直接影响采煤机平稳运行,同时在一定程度上会影响整个采煤系统。传统的按期维护的方法,消耗了相当多的人力、财力和物力。故必须开展采煤机截割部主轴承运转状况的研究工作,通过对其相关参数进行监测分析,及时诊断其是否发生故障,以及故障的严重程度和类型,以保证其运转平稳、工作可靠。本研究结合信号处理、特征提取以及故障诊断等相关理论和技术,展开了采煤机主轴承故障诊断研究。首先,阐述了采煤机故障机理以及滚动轴承故障机理,并针对采煤机特殊的工作环境,进行了采煤机截割部主轴承实验台的搭建,采集了采煤机模拟实际工况实验下的多类型振动信号。其次,进行了采煤机截割部主轴承振动信号特征提取;针对采煤机工作环境恶劣,传感器直接获得的振动信号含有严重的噪声,采用了小波包去噪技术进行去噪处理;接着,利用改进经验模态分解对信号进行了二次处理;使用阈值指标筛选出了信号经改进经验模态分解的有用模态分量,对其进行了叠加重构;最后提取出重构信号的峭度指标和排列熵指标,形成了特征向量。然后,采用了基于优化支持向量机的采煤机截割部主轴承故障诊断分类方法,将遗传算法与粒子群算法联合,进行了支持向量机核参数和惩罚因子优化。利用特征向量数据验证所用方法,结果表明,融合算法的迭代步数小于单一算法。此外,将所用方法同BP神经网络、SVM、PSO-SVM以及GA-SVM等分类方法进行了对比,证实了所提方法的可行性和鲁棒性。最后,搭建了采煤机截割部主轴承状态监测与故障诊断应用系统,将其应用到了神木集团凉水井矿。进行了采煤机截割部主轴承故障诊断软、硬件系统设计,完成了系统的运行调试。该论文有图73幅,表10个,参考文献140篇。