现今,国民经济的主体和科技创新的主战场依旧是制造工业。随着工业4.0智能制造产业的迅速崛起,传统重工业设备的升级改造受到许多国家的高度重视,发展传统生产设备的在线故障诊断技术、升级相关设备智能化水平受到了行业的普遍关注。在冶金行业中,精锻生产线作为一种快速成型设备,它能将铸坯直接精密锻造为成品工件。其液压系统主要为精锻提供稳定动力源,并控制系统油液的方向、压力和流量。精锻生产线温度高、振动大,生产环境较为恶劣,同时由于精锻设备液压润滑系统十分复杂,缺乏有效的现场故障预判手段,造成其系统故障频发。针对以上问题,开发设计一种用于精锻机液压润滑系统早期故障判断、提前预警以及异常状态辨识的技术及设备十分必要。而智能化新技术的应用、维护模式的变革也为传统冶金企业安全、稳定运行提供了保障,对于提高生产线的使用寿命,具有良好的经济效益和现实意义。基于此背景,本课题主要针对精锻机液压润滑系统状态监控与故障预判进行研究,论文主要研究内容如下:1、根据精锻机液压润滑系统特性、故障典型和故障机理来分析研究,确定在线监控系统的特征信号监控方案,完成精锻机液压润滑系统在线监控及故障预判系统的整体设计。2、设计并搭建了模拟精锻机液压润滑系统在线监控实验平台。在传统设备监控策略的基础上,采用了多维度、全方位提取不同类型的典型故障信息的方法,在实验对比多种传统信号采集及通讯方式的基础上,运用西门子S7-1200对数据采集程序进行优化,结合MODBUS通讯方式设计了一种多线信号数据采集传输系统,实验证明该数据传输系统具有传输速率快、抗干扰能力强的功能。3、利用C#语言设计开发了一种基于Vusial Studio平台的精锻机液压润滑系统在线监控及故障预判智能平台,该平台包含用户专业管理模块、监控数据智能分析模块、故障数据实时筛选模块等,实现了在线监测关键信号的采集、处理及智能故障预判。4、对精锻机液压润滑系统样本数据进行归一处理,提出了基于蜻蜓优化极限学习机算法,建立DA-ELM故障预判模型,通过MATLAB仿真实验,验证该模型在精锻机液压润滑系统故障预判中的准确性。5、根据故障预判模型,优化实验平台设计,完成精锻机液压润滑系统的新型状态监控及故障预判样机,并进行工业化试验。