煤矿的安全生产是煤炭资源经济可持续发展的基础和保证。随着煤矿事故的频繁发生,如何提高煤矿机械设备的可靠性和安全性成为当前迫切需要解决的课题。采煤机作为大型煤矿机械化采煤作业的主要设备,由于它长期工作在恶劣的环境中,所以发生故障的机率相当高,因此研究有效的故障诊断与故障预测方法具有重大的现实价值与理论意义。(1)本文在深入研究国内外采煤机故障诊断与预测方法的基础上,对比分析了神经网络、专家系统等方法在采煤机故障诊断与预测中存在的不足,研究了模糊模块化的神经网络与专家系统相结合的混合智能诊断方法,将该算法应用于采煤机的故障监测诊断中。该算法能够快速准确地对采煤机中的故障进行诊断。(2)利用关系数据库模型为采煤机故障诊断与故障预测建立知识库,以方便数据的调用。(3)利用递推合成BP神经网络来研究采煤机液压牵引装置系统,相比于常规BP网络,递推合成BP网络在输入与输出层之间加入了连接权。通过仿真实验表明,递推合成BP网络能够精确快速地对采煤机进行故障预测。(4)本文利用基于模糊模块化的BP神经网络改进算法对采煤机的故障数据进行模糊化预处理,并结合专家系统对采煤机的故障进行分类,为采煤机故障预测与诊断的决策者提供了辅助决策支持。实验结果表明,该方法能够提高采煤机故障预测与诊断的效率和准确率,为采煤机故障预测与诊断提供了可靠的依据。