风机是煤矿企业的重要通风设备，一旦出现故障将不能正常工作，导致瓦斯聚集甚至发生爆炸，进而危及井下工作人员的人身安全，因此对风机进行在线监测与故障诊断显得尤为重要。智能故障诊断作为诊断技术的前沿属于一门新兴的学科，是当今故障诊断技术的热点。本文结合模糊神经网络与专家系统的优点，设计了两者相结合的矿井风机故障诊断模型。在模糊理论的基础上，将模糊理论运用于神经网络，解决了系统处理不确定性的问题。对风机信号进行时频域分析，利用小波分析方法提取风机振动信号特征值，进行模糊化处理得到神经网络的训练样本，为风机的故障诊断打下基础。利用虚拟仪器技术设计了信号的采集系统。将Labview和Matlab两大软件相结合，使用先进的数据库软件SQL Server2008和VB语言及其模块化的设计，建立模糊神经网络故障诊断专家系统，提高了矿井风机故障监测与诊断的实时性和准确性。本文提出的故障诊断系统分为前端的简单在线监测和后端的故障诊断两大部分。运用Labview、SQL Server2008软件建立系统前端的简单在线监测系统，包括友好的可视化的监测界面、各部分运行状态的数据采集、显示、存储、查询、运行状况趋势预测以及故障的报警等。使用VB、SQL Server2008和Matlab建立系统后端的智能故障诊断系统，根据模糊神经系统的推理机制建立专家系统的知识库，利用神经网络及专家推理进行故障诊断。最后对本文设计的系统进行实际应用，结果表明，系统界面友好，监测方便、直观，具有很强的可靠性和实用性。