使用有线网络的传统工业设备监测系统有许多缺点,例如布线复杂,系统不灵活,环境影响严重,电缆维护成本高。针对这些缺点本文设计和开发基于工业无线传感器网络(Industrial Wireless Sensor Network,IWSN)的工业设备监测系统,从而保证工业设备监测数据的实时获取,为用户远程实时查看工业设备参数带来方便。本文重点研究工业设备监测系统的故障预测算法,进而实现设备的预警功能,为科学管理工业设备提供可靠依据。本文重点研究工业设备的故障预警,采用的预警模型是动态布谷鸟搜索算法优化的BP神经网络,进而对工业无线传感器网络收集到的工业设备运行参数信息进行分析预测。为了加速网络的收敛速度和尽量避免出现陷入局部极小值的问题,本文采用动态布谷鸟搜索算法对BP神经网络的结构进行优化。针对优化算法完全随机化的缺点本文提出了动态布谷鸟搜索算法,动态布谷鸟搜索算法改进了步长和发现概率,把适应度函数值的变化趋势引入到步长更新公式中,平衡了搜索速度和精度,算法初期全局搜索大步长,算法后期局部搜索小步长。同时在全局最优解被发现的过程中,提高了解适应度好的后代保留概率,改善了偏好随机游走的不确定性,随着搜索的进行减小发现概率,使得进化后期容易产生新个体。最终建立了动态布谷鸟搜索算法优化的BP神经网络预测模型,仿真实验表明该模型的收敛速度更快,预测的精度更高。在此基础上,本文设计实现基于IWSN的工业设备监测系统。本文系统运行结果表明,系统可以实时监测工业设备运行参数信息,并进行可视化展示。通过工业设备故障预警功能,可以通知设备管理员及时进行维护和维修,从而预防故障产生,降低由于设备故障带来的经济损失。因此本系统对于工业设备监测具有一定的应用价值。