乳化液泵站是矿山井下综合机械化采煤系统的重要组成部分，一旦发生故障给企业造成很大损失。所以，对乳化液泵站进行状态检测及故障诊断对于预防事故的发生，保证综采工作面的正常运行和安全生产有十分重要的意义。振动信号蕴含的信息丰富，它的获取可用非接触式测量，便于现场实施。本文采用PC计算机、电涡传感器、声卡建立了振动数据采集系统。试验结果发现当排液阀弹簧损坏时，其振动信号的频谱在低频段的能量较低，而正常时则较高。进一步提出了在频域对信号提取故障特征量的方法，即取倍频程分别为31.5、63、125、250、1000Hz处六个频段的能量作为特征量。人工神经网络模拟人的认知过程，通过一定的训练样本进行自学习、自调整，使网络自动形成训练样本中蕴含输入输出关系的映射。本文通过引入种群熵的概念把粒子群算法和神经网络的BP算法结合起来，提出了一种新的混合算法PSO-BP混合优化算法，从而充分利用了粒子群算法和神经网络的BP算法的各自具有的优点，并且把PSO-BP混合优化算法应用到故障诊断中去。最后用Visual Basic6.0将乳化液泵站故障诊断系统以友好的界面展现给用户。结果表明，本文提出的特征提取方法及利用PSO-BP网络进行智能诊断的方法效果良好，并可以进一步的推广应用到其它往复机械的状态检测及故障诊断。