【摘要】目的：保障复杂设备的安全与可靠运行，并解决传统定期检查和维修无法满足高效与精准需求的难题。方法：以烟草行业箱式储丝翻箱机器人为研究对象，提出了一种结合时序特征提取、多种异常检测模型加权制定预警策略的集成学习框架，实现在复杂环境中的高效故障预测与诊断。结果：结果表明，该方法在早期故障预警方面表现突出，预警准确率较高，能够有效识别设备潜在故障风险并及时采取干预措施，从而显著降低设备停机率，提升设备运行的稳定性。结论：实践表明，该方法优化了烟草行业复杂环境下的预测性维护策略，在智能制造与设备管理领域具有较高的应用价值和广阔的推广潜力。