煤炭作为我国能源消费的主体对国民经济发展及日常生活至关重要。然而在煤矿开采的过程中,矿井涌水量对煤矿的生产运营产生极大的影响。排水系统安全可靠、稳定的运行并能实现对其故障诊断是保障矿井安全生产的必要设备。本文提出一种基于改进模糊Petri网的矿井排水系统故障诊断方法,实现提高故障诊断准确性的目的。本文首先对矿井排水系统的性能及常见故障做了分析。依据山东某矿区矿井的实际排水系统的运行状况,设计可采集矿井排水系统的流量、压力、振动信号等多源异构信息的自动监控系统。针对故障信息与故障源之间非线性的特点,选择稀疏自编码理论对故障数据建立信息多维关联模型,剔除冗余信息,提高多源异构数据感知信息的精确性。通过模糊Petri网理论对矿井排水系统在运行过程中的状态进行诊断,设计了基于模糊Petri网的矿井排水系统故障诊断模型。由于模型的初始参数是基于人工经验给出的,这对故障诊断的结果会产生一定的影响。本文选用BP神经网络算法优化模糊Petri网模型中的相关参数,减小故障诊断的误差,完成矿井排水系统故障诊断的实时性和可靠性。最后,通过MATLAB软件进行算法模型的有效性仿真,并与反向递推法的故障诊断结果作比较,表明本文建立的基于改进的模糊Petri网故障诊断模型在矿井排水系统的故障诊断过程中不仅能缩短故障判断时间,而且能更准确的诊断出故障位置及故障的传播路径。通过实际应用,验证了本文方法能够达到快速诊断故障的效果。