针对矿用卡车驱动系统诊断难的问题,融合小波包、集合经验模态分解(EEMD)方法,提出了一种智能故障诊断模型,将其集成于智能运维系统,并应用于矿用卡车.首先,采用小波包对驱动系统中轴承和齿轮的振动信号进行降噪处理,再通过EEMD算法将信号分解为若干个本征模态函数(IMF)分量,从包含主要状态信息的IMF分量中提取得到特征向量;其次,利用支持向量机(SVM)对故障模式进行分类,通过粒子群(PSO)、遗传算法(GA)和多种群遗传算法(MPGA)对SVM 的惩罚参数C 和核函数参数h 进行参数寻优,分别构建了SVM、PSO-SVM、GA-SVM、MPGA-SVM 四种故障诊断模型,分析得出MPGA-SVM 为最优故障诊断模型,轴承故障和齿轮故障的诊断准确率最高,分别为98.75％和96.67％;最后,针对XDE320电驱动矿用自卸车RE1060驱动系统,利用MATLAB和LabVIEW 开发了一套包含信号采集与存储、时频分析、故障特征提取和智能故障诊断四个模块的智能运维系统.研究表明:智能运维系统可实现在线监测并诊断已有故障,对提高矿用卡车的安全高效运行具有重要意义.