随着科学技术的飞速发展,机械设备的自动化程度越来越高,工程设备也越来越复杂,工程设备工作的可靠性和安全性也逐步受到人们的关注。然而,运用传统的诊断方法,大型复杂设备无法对机械故障作出实时准确地诊断。这就需要采用故障诊断的智能方法和理论。煤矿安全是煤炭资源发展的基本保证。由于煤矿事故不断发生,怎样提高煤矿的安全性和减少事故的发生是目前人们关注的主要问题。采煤机的故障诊断逐渐受到人们的关注和重视。怎样保证采煤机的正常工作和实时了解采煤机的工作状态是目前需要解决的主要问题。模糊逻辑系统被运用到采煤机故障诊断系统中,这是煤矿业发展的重大进步。本文论述了模糊逻辑系统,详细阐述了模糊逻辑系统的的基本结构。并且对神经网络的概念、内容、方法分别进行了详细介绍。而且分析了神经网络向智能发展的趋势。此外,由于传统的梯度算法学习速度慢和泛化性能差,本文采用一种新的学习方法—ELM算法,它弥补了梯度算法的不足,能够任意选择输入权值和阈值提高了学习速度和泛化性。对模糊逻辑系统和神经网络进行比较,当两种方法相互融合,不仅能提高模糊逻辑系统自适应性,而且加强了神经网络的可观测性和改善了神经网络的全局性。通过建立模糊神经网络的模型,及分析采煤机的样本故障,根据实时的故障数据对该模型进行了验证,证明系统模型是有效、可行的。对采煤机故障诊断智能系统的设计和方法分析和论述。阐述了系统整体结构、每个模块的组成和数据的传输,介绍了该系统的软件和硬件如何实现的,对故障的诊断进行仿真和实时演示。