现有矿用带式输送机托辊故障诊断方法一般是对托辊信号进行分解并转换至频域，从频域提取特征进行故障诊断，而常用的信号小波分解和经验模态分解方法存在小波基选择困难、易出现频谱混叠和端点效应的问题，导致故障诊断准确率较低。针对上述问题，提出了一种基于变分模态分解（VMD）-BP神经网络的矿用带式输送机托辊音频故障诊断方法。首先通过音频传感器采集矿用带式输送机沿线托辊的音频信号，并对音频信号进行预处理，以抑制音频信息中的噪声信号；然后采用VMD将音频信号按照中心频率分解成不同的IMF（本征模态函数）分量，提取各个IMF分量的峭度、重心频率、频率标准差等特征值；最后将特征值输入到已经训练好的BP神经网络，根据IMF分量特征值的差异，可以实现通过音频对矿用带式输送机托辊故障进行诊断，并可根据音频信号对应的传感器编号确定出故障托辊位置。以某煤矿实际采集的带式输送机托辊音频信息对基于VMD-BP神经网络的矿用带式输送机托辊音频故障诊断方法进行分析验证，结果表明：该方法在分解、提取音频信号特征时，可以避免分解过程中的频谱混叠与端点效应，总体故障诊断准确率达到96.15%，与采用BP神经网络的故障诊断方法和基于小波分解与BP神经网络的故障诊断方法相比分别提高了26.92%,15.38%，同时误检率也明显降低。