包装机是我国制造业的重要组成部分,负责完成产品和商品的包装,随着设备智能化与自动化的发展,对包装机长期稳定连续运行的要求也越来越高。传动系统是包装机的核心,负责产生与传递设备所需要的动力,而滚动轴承作为传动系统中的关键部件,其运行状态会直接影响包装机的稳定性。目前,包装机的主要维护方法是事后维护与周期性维护,这两种维护方式难以避免设备因故障意外停机,且故障查找、设备维修耗时较长,影响包装生产,经济损失巨大。本文以袋式充填包装机传动系统轴承为研究对象,研究了轴承故障诊断与健康状态预测方法及系统,以实现对包装机预测性维护决策与故障定位,降低设备维护成本,缩短故障查找维修时间,对提高包装生产效率与经济效益有重要意义。本文主要研究内容和结果如下:（1）包装机传动系统轴承故障特征分析与传感器布局。分析了包装机传动系统的结构特点,研究了其滚动轴承的失效形式及基于频率的故障特征;建立了传动系统轴承的三维模型,利用ANSYS Workbench软件对传动系统的轴承部件进行了模态分析、谐响应分析,选择确定了振动最强烈的位置作为振动检测传感器的安装位置。（2）包装机传动系统轴承故障诊断方法研究。针对包装机实际生产场景,将环境噪声、变工况、跨部件,归结为故障诊断领域自适应问题,提出了基于子域自适应的卷积神经网络故障诊断方法,在卷积神经网络的全连接层中嵌入局部最大均值差异,减小源域与目标域中同类故障信号的差异,提高了模型的跨域诊断能力,并利用CWRU数据集模拟了实际生产的噪声、变工况、跨部件场景,模拟数据分析结果验证了该故障诊断方法具有较好的适应性,解决了实际故障诊断应用中因源域与目标域的数据分布不同而导致故障诊断准确率下降地问题。（3）包装机传动系统轴承健康状态预测方法研究。针对实际轴承健康状态预测时,会存在数据分布变化的问题,提出了DALCNN模型,通过长短时记忆网络初步提取振动信号中的时序特征,卷积神经网络进一步提取局部特征并降低数据维度,全连接层中嵌入最大均值差异以对齐源域与目标域数据,提高了该预测方法的域自适应能力,利用IEEE PHM 2012数据集模拟了实际生产的单工况、噪声、变工况场景,模拟数据分析结果验证了该健康状态预测方法有效性。（4）故障诊断与健康状态预测系统设计及应用试验。以模块化的方式设计系统,主要包括信号采集模块,信号处理模块,数据管理模块以及人机交互界面;在实际生产的包装机上部署了系统,并进行了部分应用试验,试验结果分析:工况变化时,所提出的故障诊断方法的准确率为95.35%,健康状态预测方法的预测指标RMSE与MAE分别为0.082与0.065,验证了所研究的故障诊断与健康状态预测方法、设计的系统的有效性。