针对传统的矿用运输机故障诊断精度不高的问题,提出了一种改进的DPNN神经网络故障预测模型。首先采用PSO-LM组合算法对DPNN神经网络参数进行优化,得到最优参数;其次考虑到矿用运输机故障数据实时更新的特点,引入网络权值更新算法对预测模型进行自动更新;最后以某实验室矿用运输机故障数据为基础,运用MATLAB建立故障预测模型,并对数据进行仿真训练。结果表明,基于网络权值更新的改进DPNN神经网络模型无论是预测精度还是迭代次数,都要明显优于PSO-DPNN模型和PSO-LM-DPNN模型,验证了该预测模型的有效性,具有一定的工程实践价值。