煤矿开采业在我国经济中占据着重要地位,煤矿开采的安全性也是不容忽视的一大问题。矿井风机是保障煤矿安全生产的关键设备之一,风机一旦出现故障就会产生连锁反应带来巨大损失,所以对矿井风机进行实时监测及故障诊断至关重要。近年来,传感器技术、信号分析处理技术、智能故障诊断技术等现代故障诊断技术得到了快速发展,特别是信号分析处理技术得到迅猛发展和应用。基于此,利用信号处理技术完成对矿井风机振动信号特征提取及故障诊断。论述了机械故障诊断概况并分析了信号处理中常见几种时频分析方法的定义及其不足,通过仿真实验清楚的说明希尔伯特-黄变换的算法和实现原理,并通过DRVI虚拟仪器平台做振动测试实验验证希尔伯特-黄变换在旋转机械故障诊断中的可行性。然后以GAF型矿井风机为研究对象,对风机振动机理和常见故障展开研究,分析归纳了风机故障征兆,采用时间-指数法验证风机振动原始信号以及经EMD分解后各层分量信号的非平稳性,确定风机振动信号具有非平稳性。将希尔伯特-黄变换运用于矿井风机故障诊断中,分别采用传统傅里叶变换和希尔伯特-黄变换分析矿井风机振动信号,进行比较研究,最后用希尔伯特-黄变换分析多组风机振动信号,验证了时频分析方法希尔伯特-黄变换在矿井风机故障诊断和特征提取中的优越性。