为确保呼吸机正常工作，提出基于希尔伯特变换(HHT:Hilbert-Huang Transform)算法的呼吸机运行状态智能监测方法。首先采用小波神经网络对呼吸机运行信号实施去噪处理；其次，结合HHT算法将去噪后的呼吸机运行信号进行经验模态分解(EMD:Empirical Mode Decompostion),并将分解后的内禀模式分量(IMF:Intrinsic Mode Function)进行Hilbert谱变换，以此获取信号频谱作为信号特征。最后，将得到的信号频谱放入MLP(Multi-Layer Perceptron)神经网络分类器中，采用反向传播算法对多层感知器(MLP:Multi-Layer Perceptron)神经网络进行训练，以实现呼吸机运行状态识别。实验结果表明，所提方法的去噪效果较好，且监测到的结果和实际频谱一致。同时监测敏感度在96%以上、运行状态识别准确性在95%以上。表明所提方法可以有效监测呼吸机运行状态，监测性能较好。