矿井提升机是矿下与外界运输的唯一介质，设备频繁起制动保证了矿业高速增产，同时也带来了普遍的设备振动隐患问题。论文对机器学习类算法-支持向量机（SVM）展开了深入研究，应用支持向量机Libsvm软件，实现矿井提升设备的“优势频率特征提取+分类器核函数寻优+参数寻优”的故障诊断。首先在系统分析总结提升机常见故障类型、振动特征以及信号处理的一般方法基础上，对JKM3.25×4（Ⅱ）提升机进行振动测试与基于谱分析的故障诊断；其次在建立提升机故障树的基础上，提取提升设备的特征信息，进而建立提升设备的SVM数据库，并对数据进行归一化处理与PCA降维处理；并且为了得到提升机的最优SVM故障分类器，重分训练集数据，对提升机SVM分类模型的核函数以及参数进行寻优求解，提出提升机的“优势频率特征提取+RBF核函数+网格模型参数优化”综合故障诊断系统；最终在提升机的SVM综合故障诊断系统基础上，建立提升机的SVM故障分类器，进而对提升机进行故障诊断，并将诊断结果与基于谱分析的诊断结果进行对比分析。研究结果表明支持向量机技术在大型矿井提升机故障诊断应用中是可行的，对保证提升机可靠、经济的运行有着十分重要研究价值和现实意义。