2024年第11期
_______________________________________________________________FaultDiagnosis故障诊断
基于BP神经网络和遗传算法的设备故障诊断与
健康管理模型研究*
和征张同静杨小红
（西安工程大学管理学院，陕西西安710048）
摘要：针对目前设备管理存在的故障处理周期长、维护保养任务重、维修成本高的现状，构建了设备
故障诊断与健康管理架构，包括设备层、感知层、数据处理及存储层、数据分析层和应用层。其
中，在数据分析层，综合采用BP神经网络和遗传算法，建立了设备故障诊断与健康管理模型。
最后，以机电设备振动数据为例，进行设备故障诊断模型的预测结果分析，验证了该模型的可
行性。研究结果表明，该模型能提高设备故障诊断正确率，具有较好的故障诊断效果；设备预
测健康状态与实际健康状态的变化趋势基本保持一致，重合率大于90%。该成果可为制造企业
的设备故障诊断与健康管理提供相关策略，有效排除故障问题，降低管理成本。
关键词：设备故障诊断；设备健康管理；BP神经网络；遗传算法
中图分类号：TP183文献标识码：A
DOI：10.19287/j.mtmt.1005-2402.2024.11.001
ResearchonequipmentfaultdiagnosisandhealthmanagementmodelbasedonBP
neuralnetworkandgeneticalgorithm
HEZheng,ZHANGTongjing,YANGXiaohong
(SchoolofManagement,Xi’anPolytechnicUniversity,Xi’an710048,CHN)
Abstract：Inresponsetothecurrentsituationoflongfaultprocessingcycles,heavymaintenancetasks,andhigh
maintenancecostsinequipmentmanagement,aframeworkforequipmentfaultdiagnosisandhealth
managementhasbeenconstructed,includingthedevicelayer,perceptionlayer,dataprocessingand
storagelayer,dataanalysislayer,andapplicationlayer.Inthedataanalysislayer,aequipmentfault
diagnosisandhealthmanagementmodelwasestablishedbycombiningBPneuralnetworkandgenetic
algorithm.Finally,Takingthevibrationdataofelectromechanicalequipmentasanexample,the
pre