钢丝绳皮带运输机是目前大多数煤矿所使用的一种连续运输设备，在使用过程中，常常会出现断绳、断丝、疲劳和接头位移等缺陷，本论文针对钢丝绳皮带机在线监测系统这一技术难题，借助于电磁检测、信号处理等技术手段，并结合当下热门的数据融合技术，设计出一套钢丝绳皮带机在线监测系统，实现了钢丝绳皮带缺陷的远程自动监测，提高了检测的精度和效率，保障了煤矿输送系统的安全可靠运行。　　本文在检测端，选取了多个相同类型的弱磁检测传感器用于获取信号，运用磁偶极子模型构建了钢丝绳皮带断绳和接头的磁场空间分布的数学模型。　　然后以该模型为基础研究了多传感器信息融合前的信号处理问题，包括信号降噪以及特征提取。给出了FIR滤波器的缺陷信号降噪算法，并对各窗函数法所设计的FIR滤波器加以对比，最终选定3阶布拉克曼窗设计的FIR滤波器作为本设计的降噪算法。　　接着重点论述了多传感器数据融合的神经网络算法，最终选择了RBF网络作为融合算法，并给出了该算法的内容及步骤，以宽度信号为判别信号对钢丝绳缺陷的定性问题进行了探讨并仿真，仿真结果显示该算法可以有效地实现特征融合与分类，并给出了对缺陷进行定位与定量的方法。　　论文的最后以系统集成和模块化思想为指导，研究出钢丝绳皮带机在线监测系统。介绍了该系统总体设计、硬件设计和软件设计，阐述了系统软件开发的关键技术。　　综上所述，本文以数据处理为主线，紧紧围绕数据融合分别论述了建模、信号获取、融合前的预处理（包括降噪与特征提取）、数据融合以及运用结果信号进行缺陷的定性、定位和定量等问题。