地铁轴流风机作为排烟、送风的专用工具,对乘客的生命安全、财产安全和保障地铁可以正常的运行来说具有极其重要的作用,其健康状态直接关乎地铁安全运营。基本处于全天候工作状态的地铁轴流风机,在位于地下密闭空间的地铁中运行时有很多安全隐患。若是风机在带故障的状态下工作,地铁环控系统运行出现问题会使整个系统运行出现瘫痪,严重会使车控室停机。保证这些风机设备的安全运行是维护地铁环控系统稳定的前提和基础,更关系到每一个市民的生命和财产的安全。随着各种前沿科学技术的发展,建立一个针对地铁轴流风机的及时快速的故障监控与诊断平台,可以有效降低上述安全隐患。但经过实地走访调研发现,国内大部分的风机企业对成套的风机故障诊断系统的研究尚处于实验室阶段或尚未应用于工程实际。因此,建立完善且能初步应用于工程实际中的风机状态监测与故障诊断系统十分有必要。本文针对DTF-3.55型地铁轴流风机,首次建立了该型号的风机实验装置,对该型号风机进行故障模拟实验并建立对应的故障库。进一步建立了合适的改进型机器学习方法,并以LabVIEW为软件平台,建立一套包括信号分析、信号特征提取、实时故障诊断和训练模式等功能的风机故障诊断系统。本论文主要工作与成果如下:(1)针对DTF-3.55型地铁轴流风机搭建了故障实验装置进行故障模拟实验。完成了实验装置各个部件的选型及安装,模拟了三种常见的风机故障类型进行了实验,并对获得的丰富原始实验数据进行信号处理和特征提取以支撑后续故障诊断核心的研究,同时建立相应的故障库。(2)基于故障数据对基础分类器和AdaBoost多分类算法进行研究,对不同基础分类器和AdaBoost多分类算法进行对比分析,建立了改进型机器学习方法AdaBoost.M2-DS,其故障识别率较之BP神经网络多分类算法有30%以上的提升。(3)建立DTF-3.55型地铁轴流风机实时故障诊断系统,详细介绍该系统的整体架构与系统的各个模块。其中,该系统所拥有训练模式可以通过主动采集更多振动数据来丰富故障库,并基于此升级系统的诊断核心。最终建立基于地铁风机与诊断系统的DTF-3.55型地铁风机实时故障监控平台。本文所建立的风机实时故障监控平台的故障诊断精度和稳定性相较于传统诊断系统有了显著的提升,具有一定的实用价值。