近年来智能工厂建设速度加快,在信息化建设的推动下,生产设备的安全性、可靠性成为人们关注的重点。生产设备一旦发生故障,不仅影响生产加工部件本身,甚至会对整个生产系统的运行产生影响,造成难以估计的财产损失和生产停滞。国内工厂设备维护手段主要是“事后维修”和“计划维修”,这种传统方法在智能工厂背景下存在严重不足。而基于数字化技术的“视情维修”可将故障消灭在萌芽状态,成为未来维护保障的发展方向。对智能工厂的生产设备进行健康管理和故障预测,可以有效预警设备故障,实现事后维修、计划维修向视情维修和预测维修的转变,提高设备的可靠性,降低维修成本。因此,研究智能工厂生产设备有重要的理论意义,同时也能为工厂创造经济效益。本文以一家制造型企业为例,开展智能工厂生产设备的健康管理故障预测技术研究,主要研究内容如下:（1）智能工厂设备健康管理体系的分析与设计。本文借助背景企业设备健康管理实例,分析了设备健康管理系统建设和发展面临的挑战,构建了智能工厂中设备健康管理与运维服务的总体架构。针对生产制造模式的智能工厂,提出了不同设备管理阶段的健康管理实施目标。本文在介绍设备的状态分类方法的基础上,针对设备的多种故障类型提出了不同的设备健康日志维护模式,分析设备的各类故障状态并给出了对应的维护策略。（2）智能工厂设备故障诊断。故障诊断是所有类型工厂都必须掌握的基本技术,智能工厂对设备故障诊断还有时效性的要求。本文结合隐马尔可夫模型和经验模态分解方法,构建了一种诊断设备故障的方法,即提取经验模态分解处理过的数据的特征,输入隐马尔可夫模型中,训练隐马尔可夫模型进行故障诊断。利用该方法对滚动轴承进行故障诊断,并获得了良好效果。（3）设备两级非完美维护时间的预测。本文利用机床实际故障数据,求解了威布尔分布参数,获得了设备的运行状态参数。在确定设备状态的基础上,预测设备对应的维护时间序列。利用设备故障率因子和可靠性因子构建了设备两级预防维修优化模型。通过对案例机床的分析,得到机床的最佳预维修时间和相应维护等级。在确定设备可以进行高级维修的基础上,研究设备各系统的故障模式及危害度,分析设备再制造时间、成本以及设备信息化需求对再制造的影响,据此明确了案例机床再制造系统。本文考虑了智能工厂发展建设阶段的设备健康管理问题,建立了智能工厂中设备健康管理与运维服务的总体架构,并完成智能工厂设备故障诊断、设备两级非完美维护时间预测和机床再制造升级选择过程等关键问题的研究,为智能工厂生产设备的健康管理提出了参考。