近年来,随着数控机床被广泛的应用在工业生产中,数控机床与数控技术已发展成为制造业的核心。然而由于缺乏有效的管理与维护措施,机床的故障发生率一直居高不下,并且传统的故障检修技术存在维修周期长、人力财力耗费大等缺点,成为制约企业提高生产效益的关键因素。因此,迫切需要对机床进行实时监测以降低故障发生概率。　　为了解决传统有线监测网络中存在的布线困难、成本高、网络结构不灵活等诸多问题,本文提出了构建机床无线监测网络的方案,给出了监测网络的系统结构图。重点对机床无线监测网络中的数据采集进行研究,设计了一种面向机床无线监测网络的数据采集节点,并详细介绍了节点的软硬件设计,最后将节点实际部署在机床上进行现场数据采集实验,发现该数据采集节点能很好的完成数据采集任务,但存在节点能量消耗过快的缺点。　　为了减少节点能量消耗,延长机床无线监测网络的生命周期,本文提出了基于GA-SVR的数据采集优化策略。该策略根据节点采集的数据具有时间相关性,构建 GA-SVR数据预测感知模型,模型首先预测节点的采样数据,并将预测数据与实测数据进行对比,如果误差在允许阈值范围内时,则无需上传实测数据,基站直接使用预测值代替实测值进行数据分析;只有当误差值大于用户设定的阈值时,簇头节点才上传实测数据到基站;这样节点可以自主决策是否发送数据,能有效地减少节点的数据发送量、降低通信能耗、延长网络的生命周期。　　最后对GA-SVR算法进行仿真实验分析,结果表明其构建的GA-SVR模型对感知数据的预测准确率高,能够有效的减少节点之间的数据通信消耗,证明了该算法的有效性。通过将 GA-SVR预测模型与其它模型进行对比实验分析,得出GA-SVR模型预测效果均优于Gird-SVR和RBF神经网络模型,证明了该模型的优越性。