卷绕机化纤长丝生产的关键装备,卡头是卷绕机的高速旋转核心部件。研究卡头的健康状态趋势预测方法,保障卡头的正常运行,从而实现化纤高质高量生产,具有重要意义!卡头的运行监测数据噪声高,健康退化趋势特征弱,传统的智能运维方法难以解决卡头健康状态趋势预测问题。因此,本文针对运行监测数据高的特点,研究高噪声下时频特征融合的卡头健康指标构建方法;针对健康退化趋势特征弱的特点,研究弱特征下状态趋势强化的卡头健康预测模型构建;开发了卷绕机卡头健康状态趋势预测的原型系统,具体工作如下:（1）针对卷绕机卡头健康指标构建问题下呈现的高频强干扰、信号源有限特点,提出高噪声下卡头健康指标构建的时频数据特征融合方法。针对卡头振动信号的高频强干扰特性,设计基于EMD-排列熵的信号分解与重构方法,通过设置排列熵阈值初步滤除原始信号中的干扰信息;针对卡头振动信号呈现的信号源有限的特性,通过信号时频分析,形成包含丰富轴承退化特征的原始特征集,使用相关性和单调性指标初步筛选具有相关性的趋势时频特征,再利用长短期记忆网络LSTM-HI模块映射的得到卷绕机卡头健康指标。实验方面,分别采用公共数据集与实例数据集,对方法有效性进行验证。（2）针对卷绕机卡头预测模型构建问题下呈现的早期弱趋势、时变非恒速的特点,提出弱特征下状态趋势增强的卡头健康预测模型。为强化早期弱特征,首先通过连续小波变换获得连续小波系数的时频谱图,通过时频增强强化其早期弱趋势,将增强后的时频谱图送入设计的卷积神经网络判别卡头健康状态;为克服时变非恒速带来非自适应性阈值,在趋势预测阶段,本文设计了基于注意力机制的方法,将经注意力增强的预测结果作为输出。实验方面,对所设计的状态趋势预测方法进行公共数据集与实例数据集验证。（3）根据绍兴某化纤厂的实际工程需求,开发了卷绕机卡头健康状态趋势预测原型系统,通过卷绕卡头振动信号的健康指标构建以及状态趋势预测等数据处理功能,可有效提高卷绕卡头振动信号的状态趋势预测效率与精度,从而实现设备状态实时监控、预测性维护的功能。