炸药性能的发展给人类生产发展带来了极大的推动作用,大大缩短了开发工业工程所需要的时间,被广泛应用于矿山开采,道路建设等领域。炸药性能的发展也给生产安全带来了更严苛的要求,但是近年来还是发生了一些严重的安全事故,带来了财产的损失和人员的伤亡。随着现代工业技术的发展,炸药生产线的自动化程度也越来越高,需要用新的思路和方法来考虑乳化炸药生产线的安全监控问题。基于支持向量机的故障诊断是当前研究的一个热点方向,本文把基于支持向量机的故障诊断应用到乳化炸药生产线上。本文综合参考乳化炸药生产线故障发生原因后,选择占故障源较多的乳化器为研究对象。研究方法选用了在小样本条件下具有良好的学习能力的支持向量机(SVM),它可以较好地实现对线性、非线性样本数据的学习和分类,在故障诊断应用中具有独特优势,综上所述,提出了基于支持向量机的乳化器故障诊断系统的研究。本文主要工作内容如下:。(1)了解工厂已有油包水型乳化炸药生产线的生产工艺原理和流程,重点关注容易出故障的乳化器设备。在此基础上,分析乳化器结构机理,研究常见的故障类型和故障特点。根据研究对象的特点,选择乳化器的振动信号为故障检测信号。(2)比较多种机械故障诊断方法后,结合乳化器故障特点和支持向量机对故障样本的需求量较小的特点,提出基于支持向量机的乳化器故障诊断系统来对故障进行检测和诊断。选择局域均值分解方法分解振动信号求取特征值,检测软件选择应用已经成熟的Libsvm软件。(3)根据现有乳化炸药生产线的软硬件基础,重新搭建诊断系统的模型。硬件平台对振动传感器、信号变送器、上位机和PLC的选型做了详细的介绍和分析。软件平台利用VB程序连接Matlab程序、组态王程序、以及PLC程序,完成软硬件之间的通讯连接。(4)基于乳化器振动的特点,选取合适的故障特征数据作为研究对象。软件完成对SVM最优核函数和核参数的选择和模型的建立。用VB软件建立故障诊断的系统,设计测试平台界面,完成系统的实现。仿真测试结果证明了该诊断系统的有效性。论文最后对研究工作和内容做了总结,提出了进一步研究的方向。