七五煤矿通风机受环境影响较大，控制复杂，具有较高的故障率，若能采取有效的智能监测管理方法和故障智能预警、诊断机制，不仅能对风机的运行进行优化，同时能在风机故障发生前根据其运行特征对其运行状态进行研判，提前采取有效措施降低和预防故障的发生，则能提高设备安全性，保障煤矿生产安全。针对煤矿通风机诊断的现状问题，项目将人工智能、5G通信、大数据等技术与煤矿风机监测深度融合，研发适用于复杂环境的煤矿风机综合状态智能感知设备和智能运维管控平台，实现对整个矿区通风机状态的智能感知、趋势分析和智能地诊断。项目成果融合深度学习的特征提取优势与证据理论的融合机制，创新性提出矿用通风机多源数据智能融合技术，实现异质数据的精准互补与高密度特征重构，极大增强了数据特征的表征能力和信息有效性；针对时变状态参数异常检测鲁棒性不足的问题，采用稀疏贝叶斯学习动态建模异常判别阈值，并在给定置信水平下实现自适应调整，显著提升异常检测模型的稳健性与适应性；针对高噪声条件下故障诊断结果准确性不足的难题，创新性的提出一种融合时序特征提取与多尺度卷积神经的高效故障诊断方法，能够多维度、深层次捕捉数据中时间关联和空间高维特征，精准解析复杂工况下的故障信号特征，实现对高噪声条件下轴承故障诊断的准确诊断。通过项目研究，有效提高了煤矿通风安全可靠性，降低了煤矿发生故障的风险，保障了煤矿的生产安全，减小因通风机故障引起的人身及财产损失，减少了运维人员成本，且项目研发成果可以在同行业推广，具有很强的先进性。项目成果对枣庄矿业集团公司和七五煤矿的通风机运维起到重要指导作用，并为今后通风机状态评估与诊断提供了技术储备，研究成果对于提高我国通风安全水平和推动行业科技进步意义重大，具有广阔应用前景。