随着越来越多的复杂工艺应用于自动化焊接柔性生产线中的焊接设备,焊接设备故障的可能性也随之提升,而突发故障导致的计划外停机维修,不但造成部分焊接生产线的停滞以至于严重影响企业的生产计划,而且错过了最好的维修契机进而增加了维修成本和维修难度。因此针对焊接设备设计合理的监测系统,在无人职守时仍能通过网络方式实时远程监测设备状态,预估设备运行趋势进行故障预测,对于提升焊接设备的可靠使用有着至关重要的作用。然而传统的设备远程监测系统无针对性地采用等时间间隔的数据采集方式,不仅浪费有限的带宽及存储资源,而且在设备状态拟合精度上存在缺陷。同时,传统的设备监测系统亦很少考虑设备使用过程中的故障率阶段变化表现,采集的数据没有针对性和代表性,影响了对设备故障预测的准确度。本论文依托于四川省科技计划“自动化柔性生产线生命周期管理智能维修及远程监控系统”项目(编号:2017GZ0060),以汽车制造焊接柔性生产线的焊接设备为研究对象,针对传统的设备远程监测系统的缺陷进行改进,本论文围绕以下几个方面进行研究:首先,根据设备故障率曲线,引入生命周期理论,划分设备生命周期阶段,并使用隐马尔可夫模型(Hidden Markov Model,HMM),依据历史监测数据估计HMM模型参数,通过对焊接设备常发故障分析,选取焊接设备数据监测点,通过监测数据判定设备所处生命周期阶段并确定其影响因子。其次,通过分析监测到的数据平稳度,并结合设备所处生命周期阶段的影响因子,自适应调整数据采集间隔,采集更具针对性和代表性的设备状态数据,从而在合理利用带宽和存储资源的基础上亦有利于进行较为准确的设备状态拟合。最后,根据自适应采集到的监测数据及设备所处生命周期的影响因子,对ARIMA-SVR组合预测模型进行改进,修正预测残差,对设备状态未来趋势进行预测,与设置的标准阈值进行对比判定故障发生,为预防性维护提供参考。在以上研究基础上,实现焊接设备故障自适应数据采集与预测的监测系统软件开发,验证了所研究内容的适用性与可行性。本研究内容对设备监测系统的改进及故障预测优化具有理论指导意义和实际应用价值。