TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2026050005Article装备运维中轴承状态监测与智能诊断研究https://artdesignp.com/journal/TACS/3/5/10.61369/TACS.2026050005南雨轩2026352026-03-14轴承作为装备旋转系统的核心基础部件，其运行状态直接影响装备与产线的可靠性、稳定性及运维效率。针对传统轴承检测存在的数据分析效率低、故障识别缺乏智能化手段、多维度状态指标融合分析不足等问题，本文以装备与产线智能运维为目标，结合InfluxDB 时序数据库的高效数据存储与查询能力，融合机器学习、深度学习技术构建轴承状态监测与智能诊断体系。通过InfluxDB 实现轴承振动多源时序数据的精准提取与管理，采用统计特征分析、无监督异常检测、有监督二分类等方法完成轴承状态量化评估与故障诊断，结合工业实测数据集完成标准差、峭度等特征计算及故障类型识别验证，实验结果表明该体系可实现轴承正常与故障状态的有效区分，未知状态数据的精准归类，为装备轴承的在线监测、早期故障预警及智能运维提供技术支撑与实践方案。装备与产线智能运维,轴承检测,InfluxDB 数据库,深度学习,机器学习

[1] 许升起; 陈录平; 段武德. 数字孪生驱动的煤矿机电设备状态监控和诊断[J]. 煤矿机械,2024(12).[2] 王玉翰. 基于机器视觉的轴承检测实验装置设计[J]. 机械研究与应用,2022(03).[3] 苏俊宏; 栗波波; 陈智利. 轴承在线自动检测控制系统设计[J]. 现代电子技术,2014(23).[4] 张莹婷.《中国制造2025》解读之：中国制造2025，我国制造强国建设的宏伟蓝图[J]. 工业炉,2021(01).[5] 郑旭; 盛立辉; 崔宵语. 基于小波熵的时间序列分段聚合近似表示[J]. 计算机仿真,2015(01).[6] 肖嘉伟; 张艺超; 陈市; 丁晓喜; 邵毅敏. 嵌入式智能轴承信息感知测点优化方法[J]. 轴承,2023(02).[7] 付豪; 汤宝平; 黄艺; 邓蕾; 何灏. 机械振动无线传感器簇状网络路径感知同步触发方法[J]. 振动与冲击,2022(06).[8] 黄姗姗; 李志农. 基于高密度小波变换的航空发动机滚动轴承故障诊断方法[J]. 轴承,2023(02).[9] 朱赛宁; 陈少康; 陈培仓; 王涛. 高灵敏度声表面波温度传感器设计及制造[J]. 传感器世界,2024(09).[10] 张颖伟; 高鸿瑞; 张鼎森; 冯琳; 张升阳; 毕诸明. 基于多智能体的数字孪生及其在工业中应用的综述[J]. 控制与决策,2023,38(8):2168-2182.