随着现代工业智能制造和人工智能技术的革命性进展,工业生产装备向无人化、集成化、智能化方向快速发展,促进了生产效率的大幅提升。通常智能装备价格较为昂贵、系统复杂,由于工作环境多变、装备本身机理复杂、稳定性可靠性要求高等原因,对于维护工作有着较高的要求。现有的事后维修策略会严重影响生产效率,带来巨大的经济损失与安全隐患。利用物联网技术和智能感知技术实现远程监测设备运行状态与健康程度实时在线诊断和预测。得到了科研界和工业界的广泛关注。通过对智能装备健康状态进行实时监测可以及时发现故障进行检修,提高了工业生产的安全性、稳定性与可靠性。因此,对智能装备健康状态进行深入研究具有重要现实意义。本课题针对智能装备健康监测的研究主要包括三个方面:故障检测方法研究、故障预测方法研究、物联网平台搭建。1.在故障检测方法研究方面,本文着重针对振动信号的冲击特点提出了基于改进的CEEMDAN和TEO的故障特征提取方法。该方法首先通过建立SDEA综合评价模型,利用峭度准则、相关系数筛选特征模态信号;然后采用SDEA评价去噪效果,选出综合评价系数最高的信号后利用能量指标重构;最后,通过TEO对冲激信号的高敏感度,对重构信号进行包络解调,提取故障特征信号。2.在故障预测方法研究方面,本文针对故障预测中情况变化大、信号非线性的特点,提出一种基于GA优化BP神经网络的预测模型。利用遗传算法寻找全局最优解的能力,优化了BP网络的初值,避免了神经网络在初值选取不当时产生的拟合误差问题,大大提高预测精度。该方法首先针对预测对象建立BP神经网络预测模型;然后通过GA算法的优化搜索能力确定网络中的参数,并利用原始数据进行网络训练;最后,通过实时采集的数据进行滚动的外推预测。3.在物联网平台搭建方面,本文针对制造业对于装备智能化管理的需求,提出了以工业物联网技术为载体,结合传统方法与机器学习技术的方案来解决工业智能装备健康监测的问题,通过搭建物联网平台对智能装备监测所需数据进行采集、传输、存储与分析。本文针对物联网平台进行了硬件平台搭建,包括以传感器为核心的传感器采集系统、以AD采集模块与主控模块为核心的信号处理系统、以4G通信为核心的信号传输系统。然后进行了软件设计,主要包括硬件平台的软件设计以及上位机显示部分界面设计。最后进行了平台整体测试,测试结果表明该系统基本满足设计要求,整体运行良好。