随着现代工业及科学技术的迅速发展,现代设备的结构越来越复杂,设备运行的安全性和可靠性已得到社会的普遍关注,因此基于设备剩余寿命分析与预测技术研究近年来在国内外得到了巨大的发展。对机械设备进行状态监测的主要目是为了对其剩余寿命分析与预测。其采取的主要技术为趋势分析技术,即通过对机械设备定期测量,及时分析所得的数据,确定设备的状态及未来的发展趋势,通过长期监测,可以充分了解设备的状态及其发展趋势,从而实现预知维修的目标。由于此种方法的显著实用价值,受到越来越多的人的关注。自人工神经网络诞生以来,神经网络技术以其可实时运行,抗干扰能力强,诊断准确率高等特点,在智能故障诊断和评估领域中占有着重要的地位。本文针对矿井提升机在矿山生产中的重要性,对当前矿井提升机的寿命预测问题进行了研究。首先讨论了目前应用最广泛的一种神经网络—BP神经网络为研究对象,深入地对几种改进型BP学习算法的性能进行探讨和比较。随后,再介绍了矿井提升机特点和工作情况,重点分析了提升机主轴装置的模态振型情况,结合对提升机寿命预测系统的要求,开发了以BP神经网络算法为核心,以Borland C++ Builder为平台,以Matlab为后台服务程序的寿命预测系统。最后将本系统应用于矿井提升机主轴装置的寿命预测中,结果表明系统性能基本符合寿命预测的要求。