随着我国工业互联网布局的逐步完善以及智能制造战略的稳步落实,在工业设备运行状态监测与健康管理的领域中,故障智能诊断技术逐渐成为各类工业设备智能化应用的研究重点。注塑机作为高分子材料加工的主要设备,使用的量大面广,但目前仍普遍采用事后维修的方式,特别是当设备内部液压系统出现故障时,因故障隐蔽性强,给排查、维修工作带来巨大难度的同时也严重影响了生产效率,急需提升注塑机的智能化水平;现有的故障诊断专家系统能够在一定程度上提高诊断维修的效率,但是该种诊断技术的实现依赖于专家主观经验,且不具备自更新功能,故障诊断准确率偏低。针对上述问题,本文设计了基于数据驱动的注塑机液压故障智能诊断系统,通过非破坏性的人为操作模拟出实际注射过程中的液压缸内泄漏状态,获得故障数据样本,使用数据挖掘算法完成故障特征提取以及诊断模型训练,并结合互联网技术实现远程的故障智能诊断。本文的研究工作包含了以下几个方面:(1)分析和调研了注塑机故障诊断需求与历史故障维修记录,以数据驱动的诊断系统组织架构为基础,确定了系统的软件模式与结构设计。(2)将故障诊断对象设定为出现频次高的注射油缸内泄漏故障,并搭建了故障模拟实验平台,成功采集了注塑机在正常、轻微泄漏、一般泄漏、严重泄漏共四种状态下的数据样本。(3)提出了结合注塑机工艺特点的方法,对注射阶段与保压阶段进行了差异化的故障特征提取,其中注射阶段利用探索性分析法提取出4个特征变量,保压阶段运用时域统计与小波包变换能量法提取出5个特征变量。(4)采取了XGBoost算法对所提取的故障特征数据进行小样本数据训练,并利用PSO算法完成超参数的寻优,最终诊断模型在测试集上的准确率达到88.9%。利用Java Web技术与Python脚本所开发的注塑机液压故障智能诊断系统,能够实现数据上传、数据可视化、特征提取、远程故障智能诊断、诊断模型自更新等多种功能;在12组现场模拟状态的数据上,系统故障识别率为100%且各类响应时间平稳,说明系统运行稳定可靠。