矿井风机是重要的矿井大型设备之一,它在保证煤矿井下作业的安全性方面起着关键性作用。矿井风机就是矿井的呼吸系统,它是否能够保持正常工作状态直接关系着矿井工作环境的空气质量。机械设备中都存在着振动,振动信号中包含着大量、丰富的机械设备运行状态的信息,通过分析研究各类振动信号,将振动过程中的关键信息提取出来,利用恰当的预测方法实现对机械设备未来运转趋势的预测,人们就可以更加精确地掌握机械设备的运行状态。为此,文章进行了矿井风机振动趋势预测方法的研究。文章论述了时间序列、动态神经网络、灰色预测法等设备状态趋势预测法及经验模态分解法,详细介绍了时间序列预测法及动态神经网络预测的原理及实现过程。以开滦集团林南仓矿矿井风机的振动烈度值为数据样本,分别运用单一的时间序列预测法及NAR神经网络预测法实现了对数据样本的预测,针对分解法具有的优良特性,提出基于EMD分解的时间序列预测法和基于EMD分解的NAR神经网络预测法,对预测结果进行了比较研究,证明了该方法相对于单一预测法的有效性。最后总结分析了时间序列预测法和NAR神经网络预测法在预测不同数据各自表现出的优越性,综合EMD分解法,提出最终的矿井风机振动趋势预测方法:基于EMD分解的时间序列与NAR神经网络综合预测法,完成对数据样本的最终预测,对比分析预测结果,验证了该方法的准确性、有效性。整个分析预测过程通过MATLAB软件编程实现。