矿井风机是煤矿生产中的关键设备,必须确保风机的正常运行,当风机故障发生时,将会对煤炭正常生产和工作人员带来损害。为实现煤矿的安全生产就必须要求通风机安全、可靠、高效地运行,然而矿井通风机长期处于不间断的工作中,现场工作状态又极其复杂和不可预测,为了保证风机在安全状态下运行,当故障发生时要做到及时发现和预防,并对故障信号进行分析和判断,本论文提出了一种基于时间序列和盲源分离的矿机风机故障诊断系统。本课题重点研究了矿井防爆对旋轴流风机,介绍了矿井通风系统及通风机的类型、工作原理和特点,研究了风机各部分的结构和风机系统传感器的布局,系统地研究了风机的故障特征及故障诊断方法,为风机的在线监测和故障诊断提供了理论依据。本文通过时间序列方法对风机信号进行提取及分析,获得风机几种时间序列变化趋势,结合MATLAB动态神经网络中的时间序列预测工具箱预测风机的未来运行趋势,提出了一种基于时间序列的矿井风机故障预测的方法。通过时间序列预处理方法及盲源分离算法的研究,提出一种基于时间序列和盲源分离相结合的矿井风机故障诊断的方法。本文通过仿真实验和基于时间序列预测--Fast ICA盲源分离算法提取风机轴承源信号的研究,有效地将基于时间序列预测和Fast ICA盲源分离算法用于风机轴承故障提取与诊断的过程中。根据技术要求,在现有监测系统的基础上做了一些改进,利用组态王软件创建了监测界面,利用SQL Server数据库实现数据的存储,利用MATLAB强大的功能对数据进行处理和分析。通过软件的有效结合,实现数据的传输、存储、分析和反馈,建立了风机的完整的预测系统。最后,在现场实践实习过程中,将AIC9900仪器应用于实际风机故障检测中,实现将理论与实际的有机结合。