随着《中国制造2025》战略的提出,传统行业向智能制造转型已经成为一个趋势,工业智能化将是构成未来智能制造体系的关键所在。工业大数据技术是智能制造标准体系结构的关键技术之一,也是推动智能制造、提高制造业生产效率和竞争力的关键要素。由于传统的数据分析方法无法很好的解决制造环境和过程的复杂性,为此,本文引入工业大数据技术,对机器人生产系统及其工业大数据进行分析研究,主要研究包括以下几个方面:(1)构建了机器人生产远程监控系统。针对实际生产中机器人化、小批量、多品种、多类型等特点,设计多源异构数据库,采用多线程技术和混合网络结构,实现机器人生产系统可视化和实时监控。(2)研制了工业大数据的数据挖掘算法库系统。针对工业大数据多模态、高通量和强关联等特点,采用开放式、模块化的结构,设计通用的接口标准,实现了系统的高内聚低耦合需求,提高了系统的灵活性和扩展性。(3)重点研究了无参数化聚类模型和非平衡数据流挖掘模型及其数据挖掘算法。针对智能制造场景下参数复杂且不易获取的特性,提出了无参数化聚类模型,对工业大数据进行自动化聚类分析。针对工业大数据流中存在的非平衡现象和概念漂移现象,提出了非平衡数据流挖掘模型,在解决数据流中的不平衡问题的同时,能有效识别出数据流中存在的多种类型概念漂移。论文分别在仿真场景和实际场景下,开展了无参数化聚类模型和非平衡数据流挖掘模型实验验证。结果表明,与常用的聚类算法相比,无参数化聚类模型在仿真实验和真实实验的精度分别提高了20%和30%以上;与常用的数据流挖掘算法相比,非平衡数据流挖掘模型在仿真实验精度提高了7%以上。