瓦斯灾害严重威胁煤矿井下的生产安全，对瓦斯浓度的连续准确测量是煤矿安全监测系统中的重要组成部分。所以在煤矿安全监测传感器系统中瓦斯传感器是最关键的传感设备，瓦斯传感器发生故障将直接影响煤矿的安全生产。故研究其故障诊断技术对煤矿安全监测系统可靠性和煤矿安全生产有极其重要的意义。　　本文以煤矿安全监测传感器系统的角度出发，对与瓦斯浓度相关的传感器（温度传感器，风速传感器等）提供的历史测量数据进行融合，使用广义回归神经网络(GRNN)构建某监测点瓦斯浓度的高精度逼近器。并且以神经网络的逼近值作为监测点瓦斯浓度的参考标准，实现了瓦斯传感器在线的故障检测。为了达到对瓦斯传感器故障诊断的目的，利用BP神经网络、概率神经网络(PNN)和支持向量机组成的多分类器，分别对故障残差样本进行故障种类识别。最后使用D-S证据理论对三个分类器的故障诊断结论进行信息融合，得到瓦斯传感器最终的诊断结果。仿真实验表明，本文提出的方法对瓦斯传感器进行了有效的故障检测，克服了单一故障诊断方法的局限性以及提高了诊断结论的识别与决策能力。