随着我国工业化程度的不断提高，对能源特别是煤炭的需求也逐渐加大，然而全国50%左右的煤矿是高瓦斯矿井，瓦斯突出是煤矿安全生产的严重威胁。瓦斯抽放是防治瓦斯突出和爆炸等煤矿事故的根本措施，进行瓦斯抽放的核心设备是液压钻机。对液压钻机进行信号采集与故障诊断，是保证液压钻机正常工作，避免生产事故与经济损失的有效手段。论文采用虚拟仪器技术、粒子群优化技术与RBF神经网络技术，对液压钻机信号采集与故障诊断系统进行了研究。首先，完成了硬件平台的整体方案设计。在对液压钻机的工作原理与故障机理分析研究后，确定了所需采集的液压钻机特征信号，并对相应的传感器和数据采集卡进行了分析与选型，同时对信号调理与硬件抗干扰措施进行了阐述。其次，采用虚拟仪器技术对液压钻机的信号采集软件进行了开发设计。软件包括用户界面模块、信号采集功能模块、信号处理功能模块以及数据库模块等，实现了液压钻机特征信号的采集、滤波、标度变换、实时数值显示、实时波形显示、频域分析、报警显示以及数据库访问。再次，在硬件平台上，对液压钻机进行了传感器的安装与系统调试，并使用液压钻机信号采集软件进行了液压钻机信号采集实验。实验结果表明，硬件平台工作正常，信号采集软件各项功能达到设计要求。最后，提出并实现了基于粒子群优化RBF神经网络算法对液压钻机的故障诊断。将粒子群优化技术与RBF神经网络技术相结合，通过分析液压钻机的故障类型，建立了故障诊断模型；采用LabVIEW与MATLAB混合编程，完成了算法与故障诊断模块的设计。与标准RBF神经网络算法的对比分析表明，粒子群优化RBF神经网络算法不仅实现了液压钻机的故障诊断，而且诊断正确率更高。论文对液压钻机信号采集与故障诊断系统的研究，有效地提高了液压钻机工作的可靠性与安全性，同时也是对虚拟仪器技术、粒子群优化技术和RBF神经网络技术与液压钻机相结合的一次尝试，为今后进一步的研究打下了基础，具有理论意义和实用价值。