经编机作为重要的纺织设备,经编机设备状态监测和故障诊断是实现经编数字化车间和智能运维的重要组成部分。实现对经编机关键机构部件的故障检测,确定经编机故障类型,对于调节车间生产安排和减少设备维修间隔时长具有重大意义。经编机各关键机构承担不同的工作职责,协调配合实现坯布的顺利生产,为了准确感知经编设备关键机构的工作状态,本文提出了基于边缘计算的经编机故障监测框架结构,并对经编机的关键机件导纱梳栉、横移系统进行信号监测,研究各工作部件物理信号数据特征提取方法和故障检测算法模型,建立物理信号特征和部件工作状态之间的映射关系,从而实现经编机关键机构故障检测。主要内容如下:（1）对于经编机各工作机构发生的故障进行了总结分析,基于经编机故障监测的需求,结合边缘计算特征和应用架构,设计了基于边缘计算的经编机故障监测总体架构。（2）针对经编机导纱梳栉可能发生的故障,采集导纱梳栉在运动过程中的振动信号,对采集到的样本进行时域特征、小波包能量特征提取,然后进行特征向量样本的标准化处理。利用支持向量域数据描述算法（Support Vector Data Description,SVDD）单值分类的特性,仅使用导纱梳栉正常状态下的特征向量参与SVDD模型训练,测试样本的测试结果表明,小波包能量特征有效地补充了设备状态信息,所构建的振动信号多特征和SVDD模型准确地实现了状态判别。（3）在经编机横移系统机械传动机构监测方面,首先基于MATLAB Simulink环境进行了横移系统工作机构的建模仿真,分析观察了伺服电机输出轴转矩随传动刚度和阻尼变化后的波形特征。然后基于实验平台采集了伺服电机输出轴转矩信号,包括传动无异常、联轴器松动、滚珠丝杠磨损三种不同状态,提取转矩信号的特征向量,并利用支持向量机（Support Vector Machine,SVM）进行诊断模型训练。经测试实验结果验证,基于伺服电机转矩信号的故障诊断模型能够识别部分横移系统机械传动部件的故障。（4）本文基于上述经编机故障监测框架设计和故障检测方法研究,从硬件设备、软件框架及通信方式进行了边缘计算应用系统的设计,采用数据采集卡及工业通讯协议Modbus实现经编机关键部件的信号收集,并在边缘端应用故障检测模型进行零部件健康状态评估,所设计的边缘计算监测系统为实现经编机故障监测提供了一定的理论和技术基础。