近年来,我国城市人口呈爆炸式增长,导致城市供水压力剧增。为满足超大供水量的需求,很多供水设备需要全天候满功率运转,导致这些供水设备的故障率升高。目前,已有一些水务企业使用温度、压力等传感器实时采集设备运行时数据,用于实时监测设备的运行状态。但是,现有的实时监测系统大多数都缺乏预测设备运行状态的能力,通常在监测到设备状态异常的同时,设备故障也已经发生,从而对水务企业的正常供水产生影响。振动数据作为旋转机械设备关键参数之一,能够较为全面的反映设备运行状态。本文研究与实现了一个基于物联网的供水关键设备在线监测系统,在供水关键设备的不同部位上安装振动传感器采集振动速度的均方根值——振动烈度,并上传到服务器,对振动烈度进行处理和分析,预测供水关键设备在未来一段时间的运行状态。本文主要工作和成果如下:1、振动烈度数据的采集。本文设计了一款基于LoRa技术的振动烈度数据采集与传输设备,振动传感器将采集到的数据通过LoRa节点发送到LoRa网关,LoRa网关利用移动互联网将数据传输到数据服务器进行存储。该套设备同时还具有成本低、接入量大、传输距离远等特点,能满足本文采集数据的需求。2、振动烈度和设备运行状态的预测。本文首先通过对粒子群算法中的学习因子和惯性权重取值策略进行改进,提出了一种基于余弦函数的分组优化策略粒子群算法,用于优化支持向量机预测模型;然后使用改进的粒子群-支持向量机预测模型对供水关键设备的驱动端轴承、泵壳和入口法兰三个部位的振动烈度进行预测;最后使用预测得到的振动烈度数据,根据泵的振动测量与评价分析方法(GB/T 29531-2013)和人工经验,对设备在未来一段时间的运行状态进行预测。3、在线监测系统的设计与实现。将振动烈度数据预测和设备状态预测整合到系统中,再根据水务公司的需求,对系统进行完善,最终形成一个集监测、预测、管理于一体的供水关键设备在线监测系统。本文研发的供水关键设备在线系统,不仅能实时监测数据走势,还能预测数据和设备运行状态,基本能避免设备突发性故障,从而提高水务企业的生产效率。