技术特征：1.一种基于优化的elman神经网络的无传感器设备故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于优化的elman神经网络的无传感器设备故障预测方法，其特征在于，所述步骤一的具体方法如下：
3.根据权利要求1所述的一种基于优化的elman神经网络的无传感器设备故障预测方法，其特征在于，所述步骤二的具体方法如下：
4.根据权利要求1所述的一种基于优化的elman神经网络的无传感器设备故障预测方法，其特征在于，所述步骤三的具体方法如下：
5.根据权利要求1所述的一种基于优化的elman神经网络的无传感器设备故障预测方法，其特征在于，所述步骤四的具体方法如下：
技术总结本发明属于无传感器设备故障预测技术领域，具体的说是一种基于优化的Elman神经网络的无传感器设备故障预测方法。包括：一、根据产线设备的历史故障信息得到设备的故障间隔时间，建立Elman神经网络时间预测的数学模型；二、采用灰狼算法优化建立的Elman神经网络，建立优化的神经网络模型数学模型；三、建立故障间隔时间预测的映射函数，并对数据进行滑动窗口处理，将处理后的数据输入到优化后的网络中，进行网络训练；四、利用训练完成的网络对产线设备的故障间隔时间进行预测，得到最终预测结果。本发明充分发挥各自优势，实现对于产线中所有设备的全面故障预测，提高产线故障预测的准确性和全面性，为实现车间科学管理与制定合理的维护计划提供有力支撑。
技术研发人员：李岩,宋佩林,崔振丰,陆鹏,王清云,胡成威,刘克平
受保护的技术使用者：长春工业大学
技术研发日：技术公布日：2024/1/14