提升机是矿井提升系统正常运行的关键设备,钢丝绳作为提升机与其他部件连接的柔性体部件在工作过程中会经受各种载荷的复合作用,并伴随着振动和冲击,通过监测钢丝绳运行过程中的张力变化可以实时监测提升机的运行状态。现有的基于钢丝绳张力建立的故障诊断系统采用设置阈值及公式表达式对超载、卸载不彻底和张力不平衡等故障进行监测,监测的状态较少,智能化程度较差。因此,研究一种基于智能诊断的提升钢丝绳张力故障诊断系统对完善钢丝绳张力故障诊断系统及煤矿安全生产具有重要意义。智能诊断系统之间的差异化核心在于诊断算法的差异化,而数据是一切算法研究的基础。因此,为了便于本文智能诊断系统的推广,能够快速获得所监测矿井各个状态下的钢丝绳动态张力数据,本文针对某矿建立了正常与典型故障状态下的张力数学模型,提取相应数据进行算法研究。对于正常运行时的张力模型,考虑到钢丝绳耦合振动对动态张力的影响,利用Hamilton原理建立矿井提升系统双激励作用下变长度提升钢丝绳运行过程中的横向-纵向耦合动力学模型,应用有限差分法离散偏微分方程,以某矿参数为例进行Matlab仿真分析。在此基础上推导出提升系统钢丝绳正常运行过程中动态拉力的变化规律并进行实验验证。对于故障发生时的张力模型,本文对提升机建立故障树分析了矿井提升机常见故障原因,针对卡罐、过卷及钢丝绳打滑三类典型故障进行仿真分析,并且对比分析了不同位置,不同速度下故障表现出的张力特性。将典型故障与正常运行时的张力数据结合建立训练数据集,为智能诊断算法研究提供了数据基础。将现场采集的钢丝绳张力数据预处理后作为机器学习算法的预测数据输入,调用训练数据集所生成的训练模型,通过RBF-BP组合神经网络对卡罐、过卷以及钢丝绳打滑等提升系统运行状态进行识别预测,并在选定RBF函数作为LSSVM核函数后与LSSVM算法的预测结果进行对比。在此基础上对较优算法LSSVM中惩罚因子和径向基核参数两个固定参数利用人工蜂群算法进一步优化,形成ABC-LSSVM算法,优化后的预测正确率和均方误差性能得到了进一步提升,可以作为一种智能诊断算法用于钢丝绳张力故障诊断系统的设计。为了将智能诊断算法推广到工业现场中,利用LabVIEW实现了基于ABC-LSSVM诊断算法的提升钢丝绳张力故障诊断系统设计。通过监测钢丝绳张力实时信号,利用ABC-LSSVM智能诊断算法实现了对卡罐、过卷以及钢丝绳打滑等以往难以监测的故障实时监测与智能诊断,并且在故障发生时及时报警并更新故障数据库。在此基础上使用Web技术发布到外网实现了故障诊断系统在外网状态下的远程访问。并且通过双线程程序运行使得智能预测与钢丝绳张力数据实时采集与显示、存储与读取,磁盘管理等功能同时进行。此系统还提供数据接口,与现有的张力监测系统连接即可建立一个完整的钢丝绳张力故障诊断系统。