中文摘要：

以预测和预防为主的设备智能维护正逐渐成为设备维护的发展趋势。如何充分利用网络环境的优势，对结构和功能相同或类似的"群设备"的运行状况进行评估与预测，更是当前智能维护的研究热点。本项目建立了基于群体智能的群设备性能评估和预测的方法，开发出了基于蚁群聚类分析的群设备性能的自组织横向比较方法，针对蚁群聚类算法在实际应用时遇到的几个重要问题，进行了改进，提出了一种基于核的改进算法。在此基础上，结合离群数据挖掘方法，实现了基于聚类的局部和全局离群因子的计算方法，用来发现异常和故障设备。最后，对设备性能纵向评估方法进行了更深入的研究，将原来的小脑模型神经网络（CMAC）推广到了模糊CMAC，并且利用贝叶斯法则融合了横向和纵向的评估结果。本项目的一系列研究旨在对设备的性能退化情况进行正确地、定量地评估和预测，为智能维护在我国的应用和实施提供理论和技术支持。本系统的研究成果在气压沉箱设备远程监控与智能维护中得到了成功的应用。