工业建筑在工业生产中的地位举足轻重,由于工业建筑服役环境恶劣,长期遭受高温、高湿、及腐蚀性介质的侵蚀,致使工业建筑往往达不到设计使用年限就丧失了使用功能。工业建筑耐久性问题不仅会影响工业的安全生产,也关乎人员的生命与财产安全。在实际中,工业建筑存在如下问题:缺乏完整的耐久性监测体系、数据管理体系以及耐久性的实时智能诊断。论文针对以上问题,研究内容如下:(1)设计了工业建筑耐久性无线远程监控系统,结合工业建筑的生产工作环境确定了耐久性监测参数,并对系统进行了总体架构设计和硬件软件设计,实现了工业建筑耐久性参数的远程监测。(2)分析了钢筋混凝土结构的工业建筑在一般大气环境中的主要劣化特征——混凝土碳化现象,研究了其智能诊断方法,提出一种基于BP-AR的算法预测混凝土碳化深度。根据碳化机理确定混凝土碳化的主要影响因素,采用BP神经网络与时间序列结合的方法建立混凝土碳化深度预测模型,比较分析了BP-AR算法和BP神经网络的混凝土碳化深度预测结果。经与实验数据对比验证,BP-AR算法提高了碳化深度的预测精度。(3)设计了基于Hadoop的工业建筑耐久性大数据管理信息系统架构,建立了Hadoop集群的单机模式,使用Hadoop、Hive、Superset等实现了工业建筑耐久性数据的分布式文件管理、计算和可视化。通过对工业建筑耐久性无线监控系统设计、混凝土碳化深度预测以及对工业建筑耐久性大数据平台的设计,实现了工业建筑耐久性数据的采集、传输、管理、可视化、及耐久性智能诊断,对预测工业建筑的使用寿命、保障人身与国家财产安全具有重要意义。