随着网络规模的不断扩大,网络中运行的网络设备如路由器、交换机等设备日益增多,能够确保网络正常运行,维护网络设备不出现故障,在出现故障之后能够迅速、准确地定位问题并排除故障,对于网络维护和管理人员是个很大的挑战。为了克服传统维修方式的不足,随着状态监测和故障诊断技术的不断进步,逐渐发展起来一种新的维修方式——基于状态的维修(CBM)。该维修方式综合运用各种技术手段来获取设备的运行状态数据,然后运用故障预测和诊断技术对设备的运行状态进行判别,并预测其发展趋势以及诊断发生何种故障,实现了通过状态监测预测即将发生的故障,制订合理的维修策略。故障预测技术是故障诊断技术的重要组成部分,是通过对历史和当前的故障特征值进行分析,预测出未来的故障特征值,从而预测出设备在未来一段时间内的运行状态,预测设备可能出现的故障,并且依据这些特征值,判断设备的故障级别,提前掌握设备故障的发展趋势,为提早预防和修复故障提供依据,具有重要的理论研究价值和工程实践意义。本文提出了基于神经网络的故障预测方法,引入基于状态的维修技术,构建了基于多状态在网运行设备故障预测模型。该模型根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络,解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力。通过收集网络设备运行特征信息,得到设备的特征信息样本集,应用设计完成的神经网络对样本集进行训练,进一步优化神经网络的设计结构,建立基于神经网络的故障预测模型,实现对设备故障的预测和诊断。基于状态的维修获得主要是基于设备的状态信息来预测设备的剩余寿命,以设定的优化准则为目标对设备做出维修决策,即判断设备是否需要进行预防性维修,如果需要,何时进行维修最合适。这种维修方式的维修间隔期是不固定的,其最大的特点是根据每个设备具体的状态,在设备故障发生前提早进行维修。对于设备,基于状态的维修可以降低维护维修费用、提高设备的可用性和任务成功率；通过减少维修,尤其是计划外的维修次数,缩短维修时间,提高设备运行效率；通过减少备品备件、维修人员等日常维护保障开支,降低维护和维修成本；通过状态监测,降低任务失败的风险,进一步提高任务的成功率,极大的提升了设备维护和维修水平。