煤炭在我国国民经济和社会发展中具有重要的战略地位。目前,能源的使用量随着我们国家经济水平的提高与日俱增,然而煤炭工业作为主要的能源来源,生产安全形式却不容乐观。素有“矿井肺脏”之称的矿机主风机是煤矿安全生产的重要设备,它可以有效的降低煤矿瓦斯浓度,减少事故发生。因此,研究设计出煤矿风机故障监测诊断系统具有重大的现实意义。　　基于以上原因,本文展开了对矿用风机故障监测诊断系统的研究,具体工作如下:　　(1)分析了故障诊断技术的国内外研究现状及矿用风机故障诊断技术目前存在的问题。　　(2)介绍并分析了矿用风机的常见故障及其振动机理,详细区分了其各个故障类型的频谱特征。　　(3)在对比研究常用的机械故障诊断方法的基础上,分别运用时域统计分析、小波包络和BP神经网络改进算法对矿用风机的轴承振动数据进行了分析,结果表明:时域统计分析中的峭度指标和裕度系数计算快速简单,并且对轴承的缺陷比较敏感,适合用于矿用风机的在线监测诊断;小波包络的方法对于处理强噪声环境下的非平稳振动信号有良好的效果,适用于风机轴承的初期故障诊断;改进的BP神经网络算法,收敛速度快、精度高,适用于对风机各类故障的甄别。　　(4)开发了矿用风机故障监测诊断系统,包括硬件的设计安装调试和软件系统的开发。实现了其在线监测、数据采集、小波分析、包络分析、智能诊断等功能。　　经过在实验台上的大量实验表明,该系统在强噪声环境下能够有效地提取风机振动的有用信号,快速地对信号数据分析处理,准确识别出风机故障。