矿井通风机被称为“矿井肺脏”，担负着向井下输送足够数量的新鲜空气，以冲淡有害气体的浓度和带走飞扬的煤尘，对井下工作生产至关重要。本论文的研究目的就是结合矿井通风机的特点，对通风机多种参数进行实时监测，对常见的转子不平衡和转子不对中等多种机械故障进行自诊断，开发实时监测与故障诊断系统。 本文对通风机常见的故障机理作了简要分析，研究了设备的常用监测参数，并选择了振动、温度、压力等作为本系统的监测参数，介绍了测点及监测仪器的选择原则以及对于监测信号的常用故障特征提取方法。 诊断方法采用集成神经网络，研究了BP神经网络的模型结构和算法，集成神经网络的结构、子网组建原则和集成神经网络的实现策略。并用MATLAB 对所建故障诊断模型进行仿真。同时对监测与诊断系统的硬件、软件也分别进行了设计。 仿真结果表明集成神经网络用于故障诊断，可以解决单一网络对多类故障诊断分类时所难以解决的问题，给出了比任何一个子网都要多的信息，使诊断系统具有更高的精度和可靠性。因此将集成神经网络应用于故障诊断是值得今后努力尝试的方向。本文所设计的实时监测与故障诊断系统不仅能够应用于通风机，对其它旋转机械的监测与诊断也具有一定的参考价值。