设备管理是煤矿企业管理的重要组成部分,设备管理的进步是促进企业管理方式成功转型的重要途径。针对现阶段煤矿企业在设备管理方面存在点检路线安排不合理及无法准确把握设备运行状态趋势的问题,结合现有煤矿设备点检系统,研究点检路线优化问题与设备状态趋势预测问题,优化点检系统的功能,为搭建功能更为完善的点检系统奠定基础。论文以煤矿设备点检系统的优化设计为目的,首先分析点检过程中手工安排点检路线易造成路线混乱、任务分配不均的现象,给出点检路线优化问题的定义,建立以点检路线最短为优化目标的数学模型,采用遗传算法进行优化。其次,针对设备状态趋势难以把握、状态数据种类繁多及数据样本大小不同等问题,分析不同预测算法的特点及适用范围,选用预测速度快、精度高、建模方便的小波神经网络算法和灰色模型作为算例,分别建立预测模型并实例验证,为系统算法库的开发提供理论依据。最后,基于以上研究过程,开发系统的点检路线优化模块和设备状态趋势预测模块、系统数据库、算法库等,实现系统优化设计所需关键技术的研究,完成煤矿设备点检系统的优化设计。经过对煤矿设备点检系统的优化设计,使系统具有功能多样化、点检管理智能化、实际应用价值高等优势,有效地满足了煤矿企业的实际需求并促进了设备管理的进步。