矿井提升系统是连接矿井上下的咽喉部位,对煤矿的安全生产具有重大意义。矿井提升系统的动态提升特性和提升效率是决定一个煤矿是否具有高效的现代化煤矿生产能力的重要指标。矿井提升机是地下矿井与外界的唯一通道,肩负着矿石、物料、人员等的重要运输责任。对提升机来说,运行的安全性与可靠性是至关重要的。本论文针对矿井提升机在矿山生产中的重要性,以及提升机发生事故时所造成的严重后果等问题,对当前矿井提升机的故障诊断问题进行了研究。由于矿井下恶劣的工作环境和防爆的要求,提高矿井提升机系统的可靠性就显得十分重要,而完善的故障预测技术是提高提升机系统可靠性的重要措施。目前普遍采用单一传感器对提升机控制系统进行检测,并对其频谱进行分析,达到对故障诊断的目的。但由于矿井提升机主要工作机构如制动系统、机械传动系统、润滑系统等,它们在工作过程中,都有可能出现故障,这就给准确判断故障类型造成很大困难。本文引入了多源信息融合技术对提升机的故障进行诊断。所谓多源信息融合是对来自多个传感器的信息进行多级别、多方面的处理,从而导出新的、有意义的信息,而这种新信息是任何单一传感器所无法获得的,它表示了被检测目标对象的行为。通过多传感器信息融合,可以扩大时空覆盖范围,增加置信度,改善检测系统的可靠性。本文首先阐述了数据融合估计理论,归纳总结了多传感器系统中的各种数据融合方法方式,提出了基于BP神经网络与DS证据理论二次融合的多源数据融合方法。其次,通过分析矿井提升系统的各种故障形成机理,从而建立起矿井提升系统故障树。并以矿井系统故障树为基础,分析确定了矿井提升系统各种故障的诊断方法,并以此为前提将多传感器数据融合技术应用于矿井提升系统的故障诊断中去。同时,构建了基于BP神经网络的钢丝绳张力、提升机电机润滑脂温度及油压、滚筒振动、制动闸制动力矩及振动系统的多传感器数据融合诊断框架,利用BP神经网络消除环境因素对诊断系统传感器的影响,并将结论在提升系统故障诊断中应用。最后,探讨了基于DS证据理论的数据融合方法在提升系统故障诊断中的实际应用问题,通过分析DS证据理论的基本原理与基本规则找出基于DS证据理论的数据融合方法如何应用到矿井提升系统的故障诊断中去。并通过实例分析提升机减速器的DS证据理论决策方法,证明DS证据理论的确能解决实际中监测系统的不确定性与模糊性。