随着现代工业及科学技术的迅速发展，现代设备的结构越来越复杂，设备运行的安全性和可靠性已得到社会的普遍关注，于是故障诊断技术近年来在国内外获得了飞速的发展。自上世纪80年代末，科学家将人工神经网络应用于故障诊断以来，神经网络技术以其可实时运行，抗干扰能力强，诊断准确率高等特点，在智能故障诊断领域中占有着重要的地位。本文针对矿井提升机在煤矿生产中的重要性，对当前矿井提升机的故障诊断问题进行了研究。首先讨论了神经网络理论的概念、特点以及组成神经网络的基本要素；然后以目前应用最广泛的一种神经网络——BP神经网络为研究对象，深入地对几种改进型BP学习算法的性能进行可探讨和比较。随后，在介绍了矿井提升机的组成结构和工作特点的基础上，结合了对故障诊断系统的要求，开发了以BP神经网络算法为核心，以Borland C++ Builder为人机交互界面，以Matlab为后台服务程序的故障诊断系统。最后将本系统应用于矿井提升机液压站模块的故障诊断中，结果表明系统性能基本符合故障诊断的要求。