文章设计了一种基于多传感器融合的铁矿皮带智能监测系统,采用MEMS加速度传感器与应变片与红外传感器分别采集皮带振动与应力与温度信号,提出了小波包分解与EMD相结合的特征提取方法,建立了包含时域、频域与时频域的15维故障特征向量,采用改进DBN深度神经网络构建故障诊断模型,实现了对轴承故障与撕裂与跑偏等典型故障的智能识别。实验结果表明,所提出的监测与诊断方法在不同工况下的故障识别准确率达到96.5%,平均故障预警时间为3.2h。