随着计算机技术和通信技术的发展,工业无线监测系统延伸了传统有线网络的监测范围,使系统的数据获取能力达到前所未有的高度,也使系统网络的规模和复杂程度提升到空前的水平。工业无线监测系统存在着缺乏系统结构及信息的抽象表述方法、数据过度冗余、信息传送不可靠、信息的一致性差等问题,成为了先进无线传感器在工业监测领域推广应用的主要障碍。本文以泛在计算和上下文感知作为理论指导,将工业无线监测系统作为泛在计算环境,论述了设备状态的监测过程本质是上下文感知。应用上下文感知理论,分析了当前工业无线监测系统所存在的问题,提出了泛在感知系统概念,以解决上述的问题。根据泛在感知系统从工业现场提取数据和优化信息的全过程,建立了泛在感知系统的广义模型。广义模型将泛在感知系统划分为物理空间和传感器、系统、服务三个层次的信息空间,并应用广义量分析这些空间的数据信息特点。通过广义算子分析了这四个空间之间信息关系,将实施泛在感知系统的关键问题,即信息提取、信息传送机制、信息的一致性分析统一于这个模型之中。针对这三个问题,本文进行了具体的分析。泛在感知系统的信息提取属于数据流的异常检测问题。应用数据流的异常检测理论,并根据工业现场的传感器计算能力有限的情况,提出了一种窗口聚合异常检测算法,并基于该算法衍生了一个数据压缩算法。该检测算法能有效地解决传感器高速采样过程中的信息提取问题,并且计算量小,适合于资源受限的传感器节点。论文分析了现有无线传送在应用层面的信息传送机制,针对事件驱动和事件触发两种传送机制的不足,提出了一种闭环事件触发信息传送机制,该机制具有产生的冗余数据少和发送可靠性高的优点。泛在感知系统所感知的信息通常来自于不同的物理传感器,但由于传感器的分布差异性,所产生的数据信息一致性难以保证。为了解决信息不一致的问题,本文提出了基于主元分析理论的分布式数据融合算法和基于二项分布的数据融合时机算法,从融合算法和融合时机两方面保证被测对象的信息一致性。论文以凹版印刷机的状态监测为例,建立了凹版印刷车间的泛在感知系统,验证了本课题研究的有效性。本文以泛在计算和上下文感知为理论指导,建立了泛在感知系统的理论框架,提出了解决泛在感知系统的建模、信息提取、信息传送机制、信息一致性分析等核心问题的算法,研究成果对于促进工业无线网络技术的成熟和应用具有重要意义。