感应电炉是金属材料加热领域中常用的工业设备。为了确保感应电炉工作正常,一般需要监测其电源部分的一些信号波形。当出现故障信号时,技术人员需要去现场结合信号波形和人工经验排查故障,效率较低。针对此问题,本论文设计了一套基于物联网的感应电炉故障波形多率采集与诊断系统。该系统可以分为两个较为独立的部分:故障波形多率采集系统和故障诊断系统。故障波形多率采集系统是基于物联网架构设计的,由安装在感应电炉现场电气柜的故障数据采集模块、部署在公网的服务器模块和远程用户终端模块组成。故障数据采集模块针对多率系统,设计了一种基于多通道模数转换器的高低频信号有限时间混合采集方法,该方法能够在有限时间内通过采集通道的合理配置,实现高低频信号波形的混合采集。在提高性价比和资源利用率的同时,解决了在单块数据采集卡上完成数据采集的需求问题。用户终端通过服务器可以与现场故障数据采集模块进行交互,实现远程查看故障波形数据和现场状态等功能。故障诊断系统是针对采集到的故障波形数据进行故障分类。首先对大量故障波形数据进行标记,作为多分类监督学习的数据集。然后使用两种方式进行分类对比:一种是使用LSTM神经网络分类器直接对故障时序数据进行分类,另一种是先对故障波形使用小波分解得到能量特征向量,再以该特征向量作为输入,通过随机森林分类器进行分类。两种方式均得到了较为可观的结果,验证了该故障诊断系统的可行性。通过上述两个部分组成的完整的基于物联网的感应电炉故障波形多率采集与诊断系统,实现了感应电炉电源故障波形远程查看和故障诊断功能,为自动化监控系统打下基础。