采煤机作为煤矿开采的核心设备,运行过程中易受工作环境的影响发生故障。因此,本文针对采煤机运行可靠性低、监测参数多、健康状态评估准确率不高的问题,依托多源异构数据驱动的综采设备群健康评价与多目标预知维护决策(课题编号:51875451),设计采煤机健康状态监测系统、构建采煤机健康状态评估指标体系、建立采煤机健康状态识别模型,以准确掌握采煤机健康状态。首先,针对采煤机易受环境因素影响发生故障,管理人员无法准确掌握采煤机运行状态的难题,通过分析采煤机结构,梳理其常见故障,确定反映采煤机运行状态的监测参数,设计采煤机健康状态监测系统方案,并在此基础上进行传感器选型、数据采集、通讯配置、监测界面设计,为完成采煤机健康状态监测系统奠定基础。其次,针对采煤机结构复杂、状态监测参数多且表征性不同的问题,利用灰色关联分析法构建采煤机健康状态评估指标体系;针对采煤机状态评估过程中权重分配不合理导致评估准确率低的问题,建立基于组合赋权法的采煤机健康状态评估模型,并验证模型的有效性。然后,针对DBN模型状态识别效率不理想的问题,结合人工蜂群算法(ABC)多目标优化的优势,提出基于ABC优化DBN的健康状态识别模型,并将该模型的状态识别率与DBN模型的状态识别率进行对比。最后,实现采煤机状态监测系统的数据可视化、监测预警、数据存储等功能,并以采煤机健康状态指标体系筛选后的运行状态数据为输入,完成基于组合赋权法的采煤机健康状态评估模型和基于ABC优化DBN的健康状态识别模型的实验分析,比较两种模型的识别准确率,为准确掌握采煤机健康状态提供有效的识别方法。