随着物联网设备的极速增长,物联网设备的故障管理和维修策略对于工业物联网来讲逐渐地成为了核心环节。对于制造企业来说,任何一个设备在生产运行的期间一旦发生了故障,都有可能对企业造成一定的损失。因此,针对设备故障的预防和维修管理的迫切需求,本课题结合PHM技术对基于设备故障预测的智慧维修系统做了详细的研究,并且采用SpringBoot框架和MVC技术,设计并实现了一套基于设备故障预测的智慧维修系统。主要的工作有以下几点:1.研究了设备故障诊断算法和预测算法为了更早发现和预防设备在运行期间发生故障,同时减少维修人员定位故障的时间,提高维修效率。通过对神经网络基本原理的研究本文最终分别采用一维卷积神经网络和长短期记忆网络在设备历史数据的基础上构建网络模型对设备进行了故障诊断和预测,并且通过实验验证了两者的可行性。2.研究了维修工单推荐的策略维修工单的推荐是基于设备故障预测的智慧维修系统的一个核心部分,需要将维修工单快速并准确地派送给合适的维修人员,提升维修工单地处理效率。本文最终结合维修工单的特征信息以及维修人员的对维修工单的偏好,将维修工单推荐给维修人员。根据系统的需求,本文采用基于物品的K近邻协同过滤算法对维修工单进行了推荐,并且通过实验选取最优的K值从而保证推荐性能。3.设计并实现了一个基于设备故障预测的智慧维修系统本文详细的阐述了基于设备故障预测的智慧维修系统的需求分析和系统设计。采用SpringBoot框架和MVC技术,遵循面向对象的设计原则,实现了轻量级、易扩展的基于设备故障预测的智慧维修系统,并且对系统的功能性和安全性进行了测试。