随着高速铁路及智能制造技术的日益发展,高铁列车生产线不断向自动化、专业化发展。因此如何保证自动化生产线的高效运转,成为企业关心的首要问题。自动化装配生产线作为一个整体,任何一个设备部件发生故障都会影响其正常运转,造成严重的经济损失。对于传统的事后维修和定期维修,耗时费力且并不能有效防止故障的出现。因此,基于状态的维修理念开始被企业重视并投入应用。状态修的核心问题在于如何对设备进行有效的健康状态评估和趋势预测,从而实施有效的维护措施。本文针对高铁列车装配生产线上AGV小车电池的健康状态评估及预测展开研究。在对电池健康状态评估与寿命预测的国内外现状进行研究后,选择了 Elman神经网络技术用于本文的研究工作,本文完成的工作如下:首先,针对Elman神经网络训练结果稳定性较差的问题,采用遗传算法对其初始权值和阈值进行优化选择,建立了 GA-Elman网络模型,降低了网络初始状态的随机性,从而提高了网络训练结果的稳定性;其次又针对Elman神经网络使用BP算法进行学习,学习效率太低的问题,在GA-Elman网络的基础上,结合粒子群算法来优化网络的学习过程,建立了最终的GA-IPSO-Elman网络模型,使网络的训练速度和训练效果都得到了提高;最后,结合实际的生产环境,将本文的研究成果进行实现,并投入到自动化装配生产线监控系统上,用于进行AGV小车电池的健康状态预测。