提升机减速器是矿井提升系统的核心部件,对保障煤矿正常生产和人员安全起到至关重要的作用。制定高效便捷的减速器故障诊断方法,对及时发现潜在威胁、合理制定维修方案、减少企业经济损失具有非常重要的研究意义。本文以小康矿主井提升机减速器为主要研究对象,围绕早期故障信号能量微弱、故障特征提取困难以及实际故障数据匮乏等问题,开展减速器故障特征提取方法、复合故障诊断方法与故障模式识别方法研究,具体内容如下:（1）分析了小康矿提升机的结构特点与工作原理,针对常见故障建立了动力学模型、剖析了故障机理并归纳了其故障信号的时域与频域特性,搭建了减速器实验平台并模拟出可能出现于工程实践中的各种故障,采集相应的故障数据为后续研究工作奠定基础。（2）减速器早期故障信号中,有效信息能量微弱、故障特征隐匿性强。因此,将变分模态分解（VMD）的良好降噪性能与快速独立成分分析（Fast ICA）的盲源分离优势相结合,提出了提升机减速器故障特征提取方法。首先,引入麻雀搜索算法对VMD参数进行同步优化,并对故障信号进行分解;然后,根据所提出的权重系数法完成观测信号的构建,借助Fast ICA算法实现故障特征的增强;最后,对有效分量进行包络谱分析得到诊断结论。在实验台上模拟了轴承内圈裂纹故障,利用所提出方法对实测数据进行处理,成功地提取出了故障信息。（3）针对减速器复合故障信号中,背景噪声及各故障成分之间相互耦合,单一故障成分无法准确分离的问题,提出了提升机减速器的复合故障诊断方法。利用改进粒子群优化算法（MPSO）,确定最大二阶循环平稳盲解卷积（CYCBD）的最佳滤波器长度和循环频率,逐一提取原信号中的故障频率成分,并对解卷积后的信号进行包络谱分析,实现复合故障的诊断。实测数据分析结果表明,在强噪声背景下利用所提出的方法能够准确分离出耦合在一起的故障信息。（4）针对工程实践中故障数据匮乏的小样本智能诊断问题,提出了以精细复合多尺度散布熵（RCMDE）和支持向量机（SVM）为主体的提升机减速器故障模式识别方法。在实验平台上采集了不同故障类型的数据样本,并利用凯斯西储大学（CWRU）的轴承数据生成了不同故障程度的样本,使用所提出方法对两类故障样本进行分类,均获得了理想的结果。该论文包含图92幅,表15个,参考文献95篇。