矿用主风机(简称通风机)是煤矿井下通风系统的核心设备,必须24小时连续不断地向井下输送新鲜空气,冲淡有害气体的浓度并把有害气体排到井外,保障井下工作人员的安全和煤矿生产的顺利进行。一旦通风机发生故障,引起煤矿事故的发生,将会造成巨大的经济和人力的损失。因此,进行矿用主风机安全运转保障系统的研究对实现煤矿的安全生产具有重要的意义。本课题以轴流式通风机为研究对象,通过分析通风机的结构和工作原理,指出通风机常见的故障类型及故障机理,对通风机关键参数进行分析计算,选取合适的传感器进行监测,分析矿用主风机安全运转保障系统的结构和功能,为后续研究提供基础。以通风机轴承的振动信号为研究对象,针对现有特征提取方法的优缺点,提出了基于小波包降噪的EMD特征提取方法。对采集到的轴承振动信号采用小波包默认阈值降噪方法降噪,利用经验模态分解(EMD)方法进行振动信号的分解,并计算得到信号分解后的本征模态函数(IMF)分量的能量值,将其输入神经网络作为轴承故障诊断的依据;针对BP神经网络在故障诊断过程中出现收敛速度慢的问题,提出利用粒子群(PSO)算法对BP神经网络的连接权值和阈值进行优化的方法,通过MATLAB软件实现了 BP神经网络和PSO-BP神经网络故障诊断模型的对比,验证了 PSO-BP神经网络故障诊断模型在收敛速度上的快速性和预测的准确性;进而利用PSO-BP神经网络故障诊断模型对采集到的测试样本进行测试,结果表明该模型能够准确而迅速地识别轴承的四种状态信号。分析设计了矿用主风机安全运转保障系统的硬件组成和软件组成,硬件方面重点对PLC控制系统进行了分析设计,包括PLC型号的选择、模拟量I/O点数的确定、数字量I/O点数的确定;软件设计主要为PLC控制程序和上位机界面的设计,利用LabVIEW对上位机人机交互界面进行设计。本课题设计的矿用主风机安全运转保障系统集智能化、信息化于一体,能够实现信号的在线监测与故障诊断,具有性能可靠、组建简单、界面优好、易于拓展等优点,对减少矿井安全事故的发生具有实际意义。