对煤矿井下粉尘浓度及时准确的测量是保证煤矿井下安全生产的前提。针对目前煤矿井下粉尘浓度测量方法存在的不足，提出了基于 PCA和神经网络的粉尘浓度测量方法，建立描述粉尘颗粒带电量与粉尘浓度之间关系的数学模型，并通过数值仿真及实验验证了该方法的有效性、可行性。　　首先利用实验室搭建的粉尘静电信号采集系统采集粉尘静电信号；然后对粉尘静电信号进行去噪处理并提取时域和频域的特征量，对这些特征量进行了分析，发现这些特征量的变化趋势与粉尘浓度的变化趋势相似，说明粉尘静电信号的特征量与粉尘浓度之间存在某种关系；根据小波分析理论用db2小波对采集的粉尘静电信号进行8尺度分解，得到低频信号和细节信号，并对各尺度信号进行R/S分析，计算出各尺度信号的H值，得出各尺度信号的变化趋势；最后利用主成分分析(PCA)的理论，对前面提取的5组具有相关性的特征值进行分析处理，将得到的第一主成分和第二主成分作为神经网络的输入量，用于训练神经网络。本文选用BP神经网络和RBF神经网络，通过实验验证和误差分析，发现对于粉尘静电信号来说，RBF神经网络比BP神经网络具有更好的网络拟合和预报功能，也证明了利用粉尘静电信号预测粉尘浓度的方法具有可行性。