矿井主通风机是煤矿井下通风不可缺少的安全设备，在煤矿安全生产中扮演重要角色，对其进行有效的在线监测与故障预警、诊断是十分必要的。现有的通风机运行参数测试和故障诊断方法及装置等都还存在一定的不足。本文研究了通风机主要运行参数的测试方法，结合现代智能检测技术实现了通风机运行参数的性能测试和故障诊断，对矿山安全生产有重要意义。本文对矿井主通风机常见故障类型、表现特征进行了研究和分析，确定可反映风机运行状态和性能的主要监测参数，并研究确定了振动、温度、湿度、压力等主要参数的测试方法。通过对通风机常见故障及其特征频率的分析，确定了以小波—神经网络的松散型结合建立矿井主通风机故障诊断模型的方法。构建了以计算机为核心的硬件平台，完成了相应传感器、数据采集卡的选择，设计了抗频混滤波和信号调理电路。根据矿井主通风机的实际工作状况，确定了合理的测点及传感器的安装位置。以LabVIEW和Matlab作为开发平台，设计开发了相应的监测和故障诊断程序，监测模块实现了对通风机重要参数的实时监测、数据处理、数据管理；故障诊断模块将通风机振动信号作为故障诊断依据，选择db9小波作为小波基分解振动信号，将振动信号的小波包分解频带能量作为BP神经网络的输入向量，将通风机的常见故障（转子不平衡、不对中、基座松动、叶片故障、喘振等）作为输出向量，利用Matlab神经网络工具箱构造三层BP神经网络，建立故障智能诊断系统。实验对测试系统的模拟量测试通道及数字量测试通道进行了精度分析，对4-72-11N02.8A型离心式通风机的温湿度、风量、转速等主要参数进行了测试，并测试了通风机正常状态下及人为制造的基座松动及喘振两种故障下的振动情况，将这三种振动状态作为神经网络的输出向量，结果表明该网络模型计算时间较短，识别结果具有较高的可信度。本课题所研发的通风机在线监测与故障诊断系统与原有同类设备相比，监测参数更全面、故障信息捕捉更准确，提高了矿井主通风机性能监测与故障诊断的自动化、智能化程度及效率，对减少矿井安全事故的发生具有实际意义。