矿井局部通风系统的故障是导致掘进工作面较易发生瓦斯爆炸事故主要原因之一。矿井局部通风系统包含了多个组成部分,涉及的故障原因和种类较多。工作人员由于缺乏可以依赖的故障诊断方法,无法及时对所发生的故障进行准确和快速地分析判断,延长了停风时间,为瓦斯爆炸事故的发生创造了条件。因此,本文提出采用遗传算法与神经网络相结合的方法对矿井局部通风故障诊断模型进行研究和建立,以提高矿井局部通风系故障诊断的效率和准确性。完成主要研究内容如下:(1)通过对矿井局部通风系统各组成单元故障进行收集和分析,确定了矿井局部通风系统的故障征兆和故障原因,建立故障诊断模型树及故障诊断实例样本;(2)采用人工神经网络技术建立矿井局部通风故障诊断神经网络模型。分析了基于BP人工神经网络的故障诊断模型隐层个数和隐层神经元节点数的选取问题,并采用网络结构复杂度函数对故障诊断神经网络结构进行优化。形成基于BP神经网络的矿井局部通风系统故障诊断模型;(3)针对BP神经网络算法易陷入局部最小的缺点,根据遗传算法全局搜索的特性,建立遗传算法和神经网络相结合的矿井局部通风系统故障诊断模型。该模型继承了传统遗传算法的优点,兼具神经网络强大的函数逼近功能,同时又克服了BP神经网络优化方法易陷入局部最优解的缺陷;(4)在以上研究基础上,运用Matlab7.0程序软件编制两种神经网络模型程序,并通过矿井局部通风系统故障样本对两种神经网络模型进行优化训练。实验结果表明,遗传神经网络的训练结果明显好于BP网络的训练结果,并具备良好的诊断效果。本文将遗传算法和神经网络相结合技术应用到矿井局部通风系统故障诊断模型建立中,通过仿真试验验证了所建模型的可行性和诊断能力,该研究为煤矿局部通风系统的故障诊断提供了一种新的途径。