随着自动化控制技术在矿井中的运用,使矿井的生产速度得到了明显提高,矿井开采速度得到了迅速、平稳的发展。煤炭能否稳定快速的运输直接影响到综采工作面的生产效率。刮板输送机与采煤机、液压支架构成综采工作面主要生产设备,具有承接物料及运输煤炭等功能,由于综采面环境恶劣、工况较差,运输过程中负载大、受到冲击多,在运行过程中很容易发生故障,严重影响矿井的生产效率和产量。因此,对刮板输送机易出现故障的部位进行远程实时监测是非常必要的。本文通过研究刮板输送机的结构和工作原理,结合对刮板输送机的故障统计及故障原因进行分析,得到刮板输送机比较容易出现的故障部位,确定了以监测刮板电动机、减速器和刮板链条的运行状态建立刮板输送机状态监测系统的设计方案。通过霍尔传感器、振动温度传感器、电流传感器和西门子S7-200Ssmart来采集所需监测的参数值,采用力控组态软件来搭建监测系统的远程监控界面,包括刮板输送机链条运行状态界面、电机减速器温度电流状态界面和报警记录界面等,将各监测参数值实时显示,并且使用组态软件将数据进行储存和本地导出。在刮板输送机状态监测的基础上,使用基于高斯概率密度函数来检测数据的异常点,结合故障诊断的要求使用神经网络对刮板输送机状态参数进行故障诊断,选取使用遗传算法优化BP神经网络来进行故障诊断,建立GA-BP模型,使用Matlab编写故障诊断流程,开展模型训练,通过对比优化前后的结果得出,利用优化后的神经网络进行故障诊断的精确度更高,将已有模型利用迁移学习对不同场景下的数据进行故障诊断,为实现刮板输送机整机故障诊断应用提供了理论基础。在实验室对监测系统进行调试和性能测试,通过对传感器、控制器、监控软件等系统组成进行性能测试。测试结果表明,该监测系统性能良好,可以准确快速的对数据进行传输和实时显示,为实现井下无人化打下了基础。