地铁风机作为城市轨道交通中重要的机电设备，地下空间内的所有通风几乎都是通过风机来进行的，它承担地铁内部空间与外部自然的气体交换工作。而且当地铁发生事故时，地铁风机能够及时补充新风，排走有害气体。因此，风机的正常运行，对保障人们的生命安全具有重要意义。然而，地铁风机作为大型旋转机械设备，在长时间运行时，容易发生故障，一旦发生故障要停机检修，势必会影响地铁的正常运行。如果能够获取故障特征，通过准确的诊断方法，及时判断出故障类型，那么将会大大提高工作效率。本文主要总结了常见地铁风机的故障形式，分析了主要零件(轴承)的振动特性，并且提出基于小波包分解和神经网络相结合的故障诊断方法。利用MATLAB软件对采集到的故障信号，先进行小波降噪，然后用小波包分解，重构特征向量，再归一化处理得到训练样本，接着利用训练样本构建BP训练网络、径向基RBF训练网络和SOM训练网络，最后用一组测试数据输入到训练网络中，进行测试,得到和试验相同的诊断结果。并且通过三种测试结果得到RBF神经网络优于BP神经网络，SOM神经网络更能直观地看出故障类型。本文最后还对地铁风机故障系统进行了硬件的设计和软件开发，展示了系统运行界面，介绍了各功能模块的应用。