摘要： 因离心风机噪声超限造成返厂，会影响用户体验，同时增加制造成本，故提出一种新的分析方法，旨在生产前对离心风机噪声进行智能预测。首先基于相关性分析和主成分分析法(Principal Component Analysis，PCA)对风机15 个性能和几何参数进行降维处理，然后提出一种具有非线性惯性权重的粒子群算法，并用于优化反向传播(BackPropagation，BP)神经网络的初始权值和阈值，最后寻找最佳隐层，确定BP神经网络4×8×1 的结构，从而简化网络结构，提高收敛速度和预测精度。经实验验证，该方法较其他方法预测精度更高，平均误差仅为0.76 %，且在生产企业得到很好应用，在工程实践中具有实际意义。

关键词: 声学, 离心风机, 主成分分析, 改进粒子群算法, 噪声预测, 改进神经网络