随着科学技术的飞速发展，工程设备日趋复杂，自动化程度越来越高，设备运行的安全性和可靠性也越来越受到人们的重视。传统的故障诊断方法无法对大型复杂设备作出准确、实时地诊断，这时就必须采用智能故障诊断的理论和方法。 本文论述了模糊逻辑系统和模糊推理方法，并有针对性地讨论故障诊断中的模糊逻辑规则和模糊推理问题。详细论述了神经网络技术的理论、方法，针对传统的基于梯度学习算法的不足，采用了最近提出的一种新的神经网络算法即最优学习机(ELM)算法，并对其进行了理论推导。由于ELM神经网络的输入权值和阈值可以任意选择，不像基于梯度算法那样反复调整输入权值和阈值，所以大大提高了网络的训练速度，并且具有更好的泛化性能。它克服了基于梯度算法的主要瓶颈，适合于实时的故障诊断系统中。 通过模糊逻辑系统与神经网络的比较，利用两者的优点，构建了模糊神经网络模型。通过对采煤机的故障分析，提取实际的故障数据对模糊神经网络模型进行了验证，证明了其有效性。 论述了采煤机智能故障诊断系统的设计与实现方法。介绍了系统的总体结构、各个模块的构成和数据传输方式，对系统硬件和软件的实现进行了介绍，对故障诊断系统进行了实例演示。