论文选题来自机械学院合作课题组的“关于电弧增材制造过程的数字孪生系统研究”的子课题。现有电弧增材制造系统对于成形过程数据的利用率不足,且制造与监测之间缺乏有效的数据交互,缺乏一套串联起加工数据并对实时数据进行诊断分析的在线监测系统。针对以上需求,论文从模块化角度出发,对采集端、传输系统、数据实时处理、数据存储以及可视化等模块进行了开发,实现了加工过程关键信息的整合,形成了一个完整的系统,并在机床实地进行系统搭设与实验验证。论的主要工作概括如下:论文基于当前广泛使用的大数据技术,使用Flink时流式处理引擎对机床实时加工数据进行清洗,处理以及诊断,从而构建出一整套完整的针对机床加工过程的数据流转在线监控。该项目涉及到了多种技术运用,整个系统涵盖了实时传输,实时数据处理,数据异常诊断以及数据可视化等服务。实时传输通过采用高性能消息中间件Kafka来对接采集端和服务端,在保证消息顺序传输的同时保证高效的传输性能。实时数据处理则通过Flink的状态管理机制对超过阈值的实时加工数据进行捕获（阈值通过实验分析得出）。异常诊断通过创建一维神经网络CNN对时序数据进行时序数据的识别,以多层卷积池化特征提取等步骤对一段时间的打印数据进行分类预测。同时将此模型与Flink框架的分窗机制相结合来完成系统对于实时数据的异常诊断功能。最后大屏实时监控根据用户自定义的监控需求进行实时监控。系统通过采用大数据技术解决了工业加工过程的数据利用率低下的问题,并且能够实时的对于加工数据进行异常报警,使得工厂能够在线监测机床的运行状态。最后经过一系列的测试,验证了系统的可用性,稳定性以及可扩展性。