摘要：随着先进的仪器测量与分析、物联网、云计算、数据挖掘、人工智能等科学技术的发展，设备状态监控和故障预测技术近年来在工业设备健康管理中起到越来越重要的作用。研究了一种基于应力波分析的状态监测与故障预测技术，通过应力波传感器对设备运动部件问的摩擦、机械冲击和动态荷载的电子信号进行检测和处理，采用专为应力波分析而开发的时域和频域特征提取软件和基于神经网络的数据融合技术，对设备状态进行定量分析，对设备故障进行准确预测，并提供设备健康诊断分析报告。运行试验表明，与振动分析等传统的状态监测方法相比，本系统能更好地实时监控设备运行情况，更早地预测故障，保证了生产安全性，降低了设备检维修成本，提高了生产效率。

关键词：应力波分析 特征提取 神经网络 数据融合 

单位：重庆大学计算机学院; 重庆400044; 重庆川仪自动化股份有限公司; 重庆401121