本课题来源于国家自然科学基金《大型低速重载机械早期故障稀疏特征识别的研究》的部分研究内容，为构建低速重载机械早期故障诊断平台奠定基础。冶金企业的低速重载机械设备（如转炉、高炉布料器、钢包回转台等）是企业的关键部位，在运行过程中出现严重故障时会导致生产线停工，造成巨大的经济损失和社会影响。在实际的工业应用中，为及时发现早期故障，需要对设备的关键部位进行实时的在线数据采集、传输和信号处理。本文针对现场传感器的检测信号传送到控制机房的过程中产生的数据干扰、误码、丢失等问题，提出了在现场直接采集再通过CAN总线或以太网进行远程传输的解决方法，同时对机械设备的故障诊断及预测方法进行了较深入的研究。本文以低速重载机设备的振动信号为采集对象，设计了一种基于Cortex-M3的多通道数据采集系统。振动信号的四路同步和四路非同步信号通过光电开关进行切换，实现数据的采集和传输。主控板是以ARM-Cortex-M3-LPC1788为微控制器的控制单元，内部集成了RS-485总线控制器，CAN总线控制器和以太网控制器。在现场采用RS-485总线、CAN总线和以太网通信并存的数据通信方式，使得现场应用更为灵活、方便。同时为了便于现场应用采集系统增加了串口屏，方便在现场进行参数配置和状态的显示。上位机使用LabVIEW软件对采集的数据进行分析处理，从而完成对机械设备的远程在线实时故障诊断与预测。本系统是基于ARM-Cortex-M3内核设计的，这样大大节省了系统的硬件开支和软件开发周期。该系统实现了数据采集稳定可靠、工作界面友好、通信方式灵活和在线远程监控等功能。