盾构机在我国基础设施建设、城市市政建设中担任着至关重要的角色。针对盾构机在使用过程中各种数据管理效率低、故障查找困难、故障修复不及时、故障数据利用率低等问题造成盾构机故障恶化、工程长时间停工等现象,本文开发了一套基于虚拟仪器的盾构机故障预测与健康管理系统。本文首先确定盾构机的监测对象,同时分析这些监测对象可能发生的故障原因以及对应的故障诊断方法或趋势预测方法。然后对系统的体系结构进行了设计,通过LabVIEW搭建了基于NI OPC的盾构机基本状态数据采集平台和基于NI DAQ的振动数据采集平台,且实现了这两部分数据的本地存储。对通过NI OPC采集到下位机PLC中的基本状态数据实现了实时显示、报警,且对这部分基本状态数据建立了模糊诊断的智能故障识别方法,并通过模糊矩阵的自动更新提高了模糊诊断的正确率。重点建立了盾构主电机模糊诊断方案以及盾构推进系统模糊诊断方案。并对采集的基本状态数据建立ARIMA模型完成健康趋势预测,通过对南京长江隧道在1-172环施工过程中某些状态数据建立ARIMA模型并验证其模型的有效性。对通过NI DAQ采集的振动数据实现了振动烈度的标准管理以及振动等级测定。并对这部分数据通过LabVIEW软件建立小波-神经网络诊断方案完成智能故障识别。将采集到的具有故障信息的振动信号导入系统中,使用三层小波包对该振动信号分解得到八个频段内的信号并求其信号能量,将求得的能量组成一个特征向量。求多个不同故障的特征向量并将其输入一种改进的BP神经网络进行神经网络训练,最终利用该神经网络训练结果对采集的故障信号作出故障识别。最后完善了该故障预测与健康管理系统,包括在线监测模块、故障诊断模块、故障预测模块、各种信息管理模块、数据导入导出模块、成员管理等模块。该管理系统实现了盾构机的状态数据实时监测、故障分析、设备健康趋势预测、数据存储等功能,使盾构机从被动维修变为主动维护,提高盾构机数据的利用率、降低重大故障发生的概率、降低了施工成本,保障了施工安全。