织机的在线状态监测对于保障其长期稳定运行和提升其数字化管理水平具有重要意义。然而,现有的织机状态监测方法存在信息挖掘深度不足、状态识别率低和系统通用性差等问题。因此,丰富织机特征数据、研究监测方案集成、优化监测算法和保障系统可靠性是提升织机监测性能的关键。为此,本课题组以国产910型剑杆织机为研究对象,就织机的机载状态监测方法开展了以下工作。1.研究了织机系统状态的表征。针对现有织机状态监测方法对织机整体耦合性关注不足、状态数据来源单一的问题,通过构建织机工艺模型,分析了不同织造阶段各部件的状态特征,确定了织机工艺状态监测数据项;通过织机速度关联模型分析,明确了其参数传递机理;对织机主轴开展了动力学模型分析,完成了织机主轴振型的确定和振动监测点的选取。2.提出了一种基于数据在线检测的嵌入式织机机载状态监测方法。为增强织机状态监测方法的独立性、提升数据共享性和拓展运算能力,采用“云端融合,终端应用”的方法,在嵌入式终端上构建织机状态监测映射网络,并根据云端融合结果对终端网络进行在线调整,兼顾系统灵活方便特点的同时,实现了织机监测性能的持续优化。3.研究了织机状态数据处理及融合方法。为克服现场数据的不一致性和噪声数据等问题,研究了织机数据预处理方法;针对织机监测决策风险控制问题,采用遗传算法开展多目标优化,并对其性能进行了仿真测试;针对粗糙集方法决策规则的不确定性问题,运用DSm T理论构建机载状态监测系统识别框架,并就其大证据冲突条件下决策悖离常理的问题,对其组合规则进行了改进与优化。4.搭建了织机状态监测硬件平台。采用STM32F407ZET6单片机,设计了以AD7730为核心的织机系统状态数据采集平台。为保证数据的可靠性和有效性,从电源纹波分析、电磁抗干扰等方面对硬件系统进行了优化。运用MCGS组态软件构建了人机交互系统,完成传感数据、领域专家知识和实时工艺数据的系统性收集和监测结果的显示与报警。基于上述工作,对所提织机机载状态监测方法进行了测试。通过对织机状态监测硬件平台供电质量、采样性能和通信效率的测试,确保了硬件的可靠性和有效性。织机机载状态监测系统性能测试实验表明,本文所提织机机载状态监测方案能够有效降低织机状态监测的误识别率和提升织机的状态信息挖掘深度。