传统的针刺非织造布生产过程中，加工过程和运行状态正常与否的判断主要依靠人工和技术人员的经验，而产品质量的监控主要依靠对已生产的产品进行采样后送至实验室进行检测，也即离线检测，产品的质量测试滞后于产品生产，如果发现产品的质量问题，则已造成大批量产品的浪费。　　随着机电一体化水平的不断提高，加强对设备和产品质量的监控已成为企业产品跟随市场、占有市场、获取经济效益的必要途径。为提高针刺法非织造布的生产稳定性和产品质量的稳定性，就必须加强生产线在线监测和实现产品质量在线预测，只有将两者有机结合才可以既保障生产安全，同时还能提高生产效率和保证产品质量并避免浪费。因此，在针刺非织造布生产过程中如何对针刺机进行设备运行状态监测和产品在线质量预测是生产实际中亟待解决的问题。　　为解决上述问题，本研究提出了一种既能监测设备运行状态也能在线预测产品强力性能的方法。该方法选取3种设备运行状态参数作为监测对象，先采用随机共振方法对设备运行状态数据进行预处理，再以RBF神经网络为训练方法，最终建立了基于随机共振和RBF神经网络的预刺产品强力性能预测模型。　　本论文的主要工作包含以下几个方面:　　1.将针刺机预刺、倒刺和主刺过程得到的不同纤维种类非织造布的纵横向强力进行对比分析，定量的提出预刺过程是影响针刺非织造布最终产品强力性能的关键过程，并给出了预刺、倒刺和主刺相互之间的强力数值变化关系。　　2.相同单纤强力的不同纤维通过预刺加工会得到强力性能差别很大的预刺产品，通过分析，本文定性的得出了在预刺过程中静电和产品缠结程度是影响预刺产品强力性能的重要因素。　　3.在针刺机预刺过程中获取数据的基础上，通过特征值提取及奇异点的去除，定量给出预刺产品强力与设备运行状态参数之间的预测模型，并将原来由8种运行参数组成的主成分组合参数化简为3种更易于获得的固定参数。　　4.采用随机共振对数据进行预处理，RBF神经网络为训练方法，建立了基于随机共振和RBF神经网络针刺非织造布性能预测模型，结合实例对有无随机共振预处理的两种情况进行了对比，证明采用随机共振对数据进行预处理可以有效的提高预刺产品强力性能预测精度。