国家智能制造体系将智能装备、智能服务、工业软件、工业互联网视为制造业产业变革的核心内容,智能装备物联网监控服务平台旨在结合工业物联网技术开发面向智能装备的工业软件,为智能装备提供全寿命周期的智能服务。其中,设备剩余使用寿命预测是智能服务领域的核心技术,轴承作为工业的关节,其健康状态对工业设备的稳定运行有着极其重要的意义。本文以滚动轴承为研究对象,进行智能装备剩余使用寿命预测研究,同时开发一套智能装备物联网监控服务软件平台,本文的主要工作包括:（1）开发一套智能装备物联网监控服务软件平台。针对智能服务的实用性问题,根据故障预测与健康管理技术相关标准,将软件平台主要职责分为数据采集、信号处理、状态监测、健康评估、剩余寿命预测5个部分。对前4个部分进行软件设计与开发,结合数据采集设备构成软硬件一体的系统平台,对第5部分进行实验研究;以滚动轴承为研究对象,设计了旋转机械振动试验台,以便为更深层次的实验研究提供数据素材。（2）滚动轴承全寿命周期退化特征提取与选择。针对单一特征对轴承退化表征能力弱的问题,分析滚动轴承全寿命振动信号,阐述了其性能退化过程;基于振动数据提取了轴承的时域、频域、时频域特征,分析了基于集总经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）提取的时频域特征对轴承运行工况的敏感性;使用趋势性、单调性、鲁棒性作为评价指标进行特征选择,筛选可准确描述轴承退化的多域特征。（3）滚动轴承剩余使用寿命预测算法研究与实验验证。针对轴承剩余寿命预测精度问题,首先使用长短期记忆网络（Long Short-Term Memory Networks,LSTM）与时间卷积网络（Temporal Convolutional Networks,TCN）两种模型对滚动轴承多域特征集进行剩余寿命预测实验,并与相关学术成果对比,验证了本文所提取的多域特征结合两种预测模型的有效性。对比本文两种模型的评价指标,TCN获得更高的预测精度,表明其能更有效地挖掘数据中蕴含的特征,适用于滚动轴承寿命预测。针对时域、频域特征对非平稳振动信号表征能力不足的缺陷,使用EEMD提取时频特征结合TCN进行剩余寿命预测,取得优于多域特征集的预测效果,表明基于EEMD提取的特征对轴承服役特性与工况的敏感程度,本文提出的EEMD-TCN模型适用于滚动轴承剩余使用寿命预测。（4）智能装备物联网监控服务软件平台测试与验证。将已开发软件部署于企业的轴承振动监测平台,使用深沟球轴承进行振动监测实验,对所开发的软件平台各模块分别进行验证,通过分析实验结果论证了软件平台的有效性与实用性。