针对现有煤矿机械在线监测与诊断技术未实现故障特征在线提取及故障类型自动识别的问题，设计了一种基于LabVIEW的煤矿旋转机械故障在线诊断及预警系统。该系统采用频谱分析、功率谱分析、包络谱分析、倒频谱分析等方法分析振动信号，得到旋转机械运行过程中各部件的特征参数，与故障类型数据库里的特征参数进行对比，实现故障诊断。设计了精细诊断和粗略诊断2种故障诊断模式，通过互锁的方式将2种模式关联起来，若旋转机械各主要部件结构参数已知，可选用精细诊断模式，否则选用粗略诊断模式。通过模拟旋转机械转子不平衡故障验证系统性能，结果表明，该系统能够准确识别故障并发出提示，且操作简单、可靠性高。

针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。