电牵引采煤机是一大型、综合化设备，是煤炭开采的主要设备之一。由于采煤机工作环境比较恶劣，其自身性能下降较快，故障发生概率较高，故此对采煤机的性能要求也越来严格，特别是对采煤机的可靠性要求相对较高。为了减少事故伤亡率，减少经济损失，对采煤机故障状态进行实时检测成为了目前的研究热点。　　本文以电牵引采煤机状态检测与故障诊断研究为目的，在分析以往研究的基础上采用了基于小波分析和神经网络专家系统相融合的处理方法。以采煤机振动故障处理为主要研究对象，针对故障信号处理和判断做出了可靠性研究。　　本论文主要研究成果:　　针对故障信号的去噪处理要求，提出了采用小波分析作为数据处理的理论依据，说明了小波分析在采煤机故障信号处理中的优势。针对数据的处理，给出了小波变换的方法。利用多尺度对信号的分解和重构滤除了白噪声对故障信号的影响。针对采煤机故障诊断的理论研究，总结出了一套适合本研究的理论方案以及算法。　　构建出了合适的神经网络专家系统结构，给出了BP网络中输入输出节点的个数以及隐含层的数目，通过比较分析和试验算出了隐含层节点的个数。介绍了神经网络专家系统离线以及在线模式下的故障信息处理方法。　　通过MATLAB仿真平台验证了此方法的可行性，并根据专家经验数据验证了神经网络专家系统的作为预测故障发生的理论是可靠的。