电机作为现代化工业设备的重要动力装置,广泛应用于船舶、能源、军工等领域,随时随地地掌握电机的运行状态以及及时地、准确地发现电机的故障是保证电机长时间安全、稳定、高效运行的关键。因为在所有电机故障中与电机轴承相关的电机故障大约占到40%,所以关于电机轴承的诊断是电机诊断中的重要内容。因此,本文基于物联网技术研究基于模型融合的电机远程监测与诊断系统的设计与实现,主要包括电机轴承故障特征提取方法的研究、电机轴承故障特征分类方法的研究、电机远程监测与诊断系统的设计、实现与测试,主要工作内容如下:针对传统的电机轴承诊断方法的不足,本文提出了一种基于模型融合的电机轴承诊断方法。该方法首先利用卷积神经网络进行电机轴承故障特征的提取,然后利用K Nearest Neighbors分类器、Random Forest分类器和基于决策树的Ada Boost分类器进行电机轴承故障特征的分类,最后利用D-S证据理论融合三种不同的分类器的电机轴承故障特征分类的结果。经验证,该方法具有良好的电机轴承诊断效果。本文基于物联网的三层模型将电机远程监测与诊断系统划分感知层、网络层和应用层并主要研究本系统建立在感知层的基础上的网络层和应用层的设计与实现。本文使用My SQL数据库实现了网络层与数据存储相关的内容,使用Eclipse开发工具基于SpringBoot框架采用Java编程语言实现了网络层与数据处理相关的内容,使用Shared Preferences文件和SQLite数据库实现了应用层与数据存储相关的内容,使用Android Studio开发工具基于MVP架构模式采用Java编程语言实现了应用层与数据处理相关的内容。针对网络层,大量的来自感知层的数据处理请求造成的网络层与感知层的接口的阻塞问题,本文提出了通过消息队列和线程池来异步处理来自感知层的数据处理请求的方式,优化了应用程序。针对应用层,对于用户登录功能,通过Shared Preferences文件存储实现了用户信息的缓存从而实现了用户自动登录功能,优化了应用程序与用户的交互;对于故障报警功能,一方面通过消息队列实现了故障信息的主动推送,另一方面通过广播实现了故障信息的可靠推送,保证了应用程序的稳定性;对于故障报警历史查询功能,通过SQLite数据库存储实现了历史故障信息的缓存,降低了应用程序对流量的消耗。