【摘要】超大型集装箱码头设备复杂程度高、规模大、不易监测。为了保障核心设备安全、高效、健康运行，需要对设备运行环境参数进行实时数据采集与监测。本研究针对集装箱码头设备工作环境恶劣、监控数据海量异构，信号处理计算量大、故障预警时效性高等问题。通过传感器科学选址，海量异构数据融合，异常预警模型构建，机器学习优化等研究探索，实现对码头设备的智能感知、异常预警和健康诊断。