瓦斯抽放泵作为煤矿重要的抽放设备,其运行状况直接影响煤矿作业的安全水平。因此,为保证瓦斯抽放作业的安全平稳运行,开展瓦斯抽放泵早期故障监测研究,实现第一时间发现并解决故障,保证瓦斯抽放作业效率和整体安全运行具有重要意义。现阶段,专用于瓦斯抽放泵故障监测的方法较少,基本无法实现瓦斯抽放泵故障的早期发现和快速处理。论文在现有理论方法的基础上,开发基于DWCI-CNN的瓦斯抽放泵故障监测方法,并搭建实验台验证其有效性。分析2BEC72型煤矿瓦斯抽放泵常见故障,总结为主轴偏心、地脚螺栓松动、缺少润滑油、泵内结垢、工作液温度过高、电源电压不足、压盖过紧、机械填料安装不合格、轴承外圈故障、轴承内圈故障、轴承滚子故障十一种,阐述这些故障对瓦斯抽放泵工作状况的影响,对各种故障进行处理方法类型研究。研究基于模态分解的故障数据提取算法,并通过正余弦及噪声信号对三种常见模态分解算法进行验证,得到不同模态分解算法提取出的本征模态函数（Intrinsic Mode Function,IMF）,计算这些分量与原信号之间的皮尔逊相关性系数（Pearson correlation coefficient,PCC）。验证结果表明,只有CEEMDAN算法能准确分离出原样本数据。在故障诊断方面,采用了基于神经网络的方法,建立两种不同种类的神经网络模型,进行仿真实验,确定故障诊断方法的基础模型,并根据故障类型进行网络结构优化,提出改进的DWCI-CNN网络模型。为增强DWCI-CNN网络模型整体泛化能力,使用数据增强的方法进行样本输入数据改进,达到对十二种输入样本数据的精确处理。依托山西王家岭矿瓦斯抽放泵站搭建故障监测实验台,进行基于DWCI-CNN网络模型的信号提取和故障验证。结果表明,DWCI-CNN网络模型在泵体内部故障上准确率达到98.71%;泵体外部故障准确率达到98.69%;轴承故障准确率达到98.87%。通过DWCI-CNN故障监测方法,能够实现瓦斯抽放泵故障的早期发现和处理,减少了瓦斯抽放泵站故障发生概率,保障了瓦斯抽放泵站的安全平稳运行。该论文有图71幅,表13个,参考文献96篇。