煤矿主扇风机是煤矿安全生产中的重要设备之一,具有稀释瓦斯等有害气体和调节井下气候温度的作用。因而为保证煤矿主扇风机可靠工作,对其进行故障诊断具有极其重要的作用,能够为创建良好的井下生产环境,确保人员安全和其他设备的正常运行提供有利的保障。本文重点研究煤矿主扇风机信号特征值提取及故障诊断的新方法,解决传统方法中存在的噪声干扰、识别困难等问题,进而提高特征值的提取准确率和诊断的正确率。主要研究内容如下:首先,以煤矿主扇风机机械故障诊断为研究对象,综述了国内外故障诊断技术的发展现状,重点分析了国内外煤矿主扇风机故障诊断技术的研究现状。基于煤矿主扇风机的结构特点和主要组成部件,对风机的机械故障进行了分析和研究,提炼并总结了不同故障类型的信号特征。其次,以实验中采集的数据为基础,根据信号特征,进行处理方法研究。采用经验模态分解方法(EMD),能够反映信号的局部特征和物理变化,存在模态混叠的问题。在EMD基础上进一步研究,提出CEEMD的方法,消除了部分模态混叠和残余噪声。为更精准的进行特征提取,引入独立成分分析(ICA)的方法,有效的提升了信号提取和处理的准确性,并将CEEMD与ICA相结合的方法作为故障特征的提取方法。在此基础上,研究并设计了煤矿主扇风机故障诊断系统,并进行系统实现。最后,搭建风机实验台,模拟了风机碰摩、松动与偏心三种故障,利用煤矿主扇风机故障诊断系统对模拟风机进行故障监测与诊断,当出现故障时,系统能够及时、准确的进行报警,同时将故障信息进行实时存储,并通过学习的方式不断完善风机的特征数据库,充分验证了该系统的有效性和可行性。再进行现场实验,将煤矿主扇风机故障诊断系统应用于实际的生产中,通过数据采集、处理和自学习,实现设备故障诊断,该系统具有一定的实际应用价值。该论文有图92幅,表16个,参考文献71篇。