煤矿安全生产是煤炭经济可持续发展的基础和保证。随着煤矿事故的频繁发生,如何提高煤矿机械设备的安全性和可靠性成为人们普遍关注的问题。采煤机作为煤矿生产中的关键设备,其故障检测诊断也逐步受到了人们的重视。如何对采煤机做出及时准确地诊断,提高它的开机率和使用率,是当前迫切需要解决的课题。本文在深入研究了国内外采煤机故障诊断方法的基础上,对比分析了神经网络、支持向量机等方法在采煤机故障诊断中存在的不足,讨论了模糊决策树的优点,将模糊决策树应用于采煤机的故障监测诊断中。针对模糊决策树的构造与启发式策略有关的特点,将粗糙集中计算依赖度的方法作为启发式策略来生成模糊决策树,提出了一种模糊决策树的改进算法。该算法能够快速准确地对采煤机中的故障进行诊断。针对模糊C-均值聚类算法在处理模糊化样本数据时效率低的问题,把数据对象抽象为物理粒子,引入了物理学中的万有引力思想,考虑宏观上多个数据对象间的作用力对聚类结果的整体影响,提出了一种基于引力的模糊C-均值聚类改进算法。该算法解决了基于距离的模糊C-均值聚类算法中时间复杂度高、收敛速度慢等问题。本文利用基于引力的模糊C-均值聚类改进算法对采煤机的故障数据进行模糊化预处理,并结合模糊决策树的改进算法对采煤机的故障数据进行分类,得到模糊分类规则,为采煤机故障诊断的决策者提供了辅助决策支持。实验表明,该方法提高了采煤机故障诊断的效率和准确率,为采煤机故障快速有效地诊断提供了可靠的依据。