随着智能化系统的发展和应用,汽车总装输送装备趋向于复杂化和多功能化,使得日常维护变得日益困难。针对汽车总装输送装备运行维护过程中低效、高成本的问题以及故障实时预警、故障预警可视化的需求,本文对汽车总装输送装备故障预警技术进行了研究。从故障诊断,健康状态评估和信息可视化三个方面出发进行了理论研究,提出了具有创新性的理论方法。并且根据Web平台开发框架,实现了汽车总装输送装备故障预警系统的开发。首先,提出了针对于总体装备的故障诊断框架和一种新的故障诊断方法,通过信号处理和机器学习算法相结合来实现设备的故障诊断。根据经验小波变换和奇异值分解来提取信号特征,然后根据提出的基于多种基分类器的多分类改进Adaboost提升算法实现故障分类。最后,利用汽车总装输送设备中常用的轴承来对算法进行了验证。在状态评估方面,提出了一种基于信息熵和自组织映射神经网络的机械设备状态评估方法。用基于密度的离群点检测方法来移除噪声点和故障点,通过熵值法来得到速率影响因子,最后将速率影响因子与SOM神经网络结合计算设备的健康因子,通过皮带提升机来对方法进行验证。在故障诊断和状态评估研究的基础上,为了实现汽车总装输送装备的故障预警,进一步分析了故障预警的信息可视化技术,通过可视化技术来展示故障诊断和状态评估的分析结果。同时,本文提出了针对于故障预警的关联规则挖掘方法,利用Apriori算法实现了故障关联规则的挖掘。最后,提出了汽车总装输送装备故障预警系统开发框架,通过企业工程实际应用验证了本文所提出方法的可行性和有效性。