伴随着物联网、传感器技术及智能制造的发展，保证制造设备稳定、持续运转是提高制造企业竞争力的关键因素，因此及时、准确地诊断设备故障并对故障进行排除对于制造企业而言具有重要的经济意义。云平台具备强大的计算和存储能力，是实现设备故障诊断的优良工具；边缘平台靠近数据源，能够在本地对数据进行处理和分析，提高了实时性，同时减少了数据远程传输造成的不必要的资源浪费。因此，将云计算与边缘计算结合，为实现实时、高效、低成本的设备故障诊断系统提供了良好前景。基于此，本文对基于云边协同计算的设备故障诊断系统进行研究，重点研究了云边协同场景下的诊断贝叶斯网络的建模和服务组合优化方法，最后对系统进行了设计和实现，并结合实际案例验证了系统的可行性。
　　首先，结合云边协同内涵和故障诊断场景，本文提出了基于云边协同计算的设备故障诊断系统分层框架，该框架集成了智慧工厂中不同级别的计算资源。然后根据云计算和边缘计算的特点和优势，将诊断贝叶斯网络的建模分为模型训练和故障诊断两部分，分别放在云端和边缘端完成。此外，为了提高诊断结果的准确性，本文在朴素贝叶斯网络的基础上，增加了一层多源信息层来融合人类观测信息、系统维护信息、异常运行记录等所有与故障发生的概率直接相关的信息。由于边缘节点资源有限，不足以容纳多个任务同时执行，所以接下来，本文对边缘侧服务组合优化问题进行研究，针对具体的故障诊断场景，将传统的资源调度优化转化为基于QoS的服务组合优化，并采用粒子群算法对优化问题进行求解，实现边缘节点的计算分流。最后设计并实现了基于云边协同计算的设备故障诊断系统，增加了柔性的人机界面，方便管理人员对系统进行操作。
　　本文通过堆垛机故障诊断的实际案例，验证了所提出的诊断贝叶斯网络模型和服务组合优化算法的有效性和可行性，实验结果表明，基于云边协同计算的设备故障诊断系统在提高诊断结果准确性、实时性和系统能源效率的同时，还能减轻边缘节点的计算压力。