随着信息化快速发展,在现代仓储设备作业过程中,监测仓储作业设备的运行状态也逐渐成为物流企业的重点关注内容。在大型立体仓库中少不了堆垛机的应用,堆垛机作为搬运货物的主要设备,其运行状态对于仓储作业的正常运转具有十分重要的意义。因此本文对堆垛机健康状态进行监测,针对堆垛机故障类型本文选择振动参数,噪声参数,温湿度参数,历史故障数据,使用时间作为评价其健康状态的关键指标。其中振动参数,噪声参数,温湿度参数可以通过监测节点测得,对于历史故障数据,使用寿命数据需要从堆垛机管理日志中导入。在选择评价堆垛机健康状态的算法上,本文选择基于动态权重的模糊综合评价模型作为评价堆垛机健康状态的算法模型。随着对堆垛机运行的监测,监测数据也逐渐增加,面对大量的历史数据与实时数据,普通的技术手段已经无法满足需求。大数据分析技术从分布式集群出发,利用相应的Map/Reduce程序能很好的处理大数据量的分析问题。本文正是利用此优势,作为堆垛机健康状态评价的数据处理手段。本文通过介绍国内外机电设备的健康状态监测研究与应用,研究了堆垛机健康状态监测的合理性与必要性。针对监测堆垛机健康状态的所需要的技术手段,分析了大数据相关的理论与数学模型。在部署监测系统中,主要介绍了堆垛机健康状态监测的整体架构与监测节点的部署,其次还研究了监测数据的采集与存储方式。对于数据的分析本文主要利用Hadoop分布式集群环境的优势处理大量数据,通过部署Hadoop集群来分析处理这些指标参数,其中详细的介绍了集群的部署过程。最后通过实际验证,选择堆垛机几个月内的监测数据在Hadoop集群上处理,再通过模糊综合评价模型得出结论。在数据分析上通过设置堆垛机不同的工况环境下测试模型的准确性,最后根据分析结果得出结论,通过利用大数据技术分析历史数据并结合实时数据,能很好的处理大规模数据的分析任务,模糊综合算法在评价堆垛机健康状态上也很好的得到了验证。最后本文对本论文的工作对了总结与展望。