随着中国制造2025和“十四五”规划的提出,国家对于高性能、低成本、短周期的核心零部件的需求不断增加,大型成形装备也应运而生。由于大型成形装备系统耦合程度高、个性化定制程度高,决定了其生命周期过程中存在着较多的不确定性问题。因此如何分析判断设备运行状态,及时发现设备问题,提高大型成形装备可靠性和稳定性的研究具有重大意义。近些年来,设备诊断方法不断发展,形成了基于知识、机理模型以及数据的三种常见方法,由于这三种方法都各自存在一定的缺陷。本文以某型号80MN电动螺旋压力机为研究对象,提出了结合以上三种方法建立起符合设备特点和要求的设备诊断系统。首先,在深入了解设备结构与工作原理的基础上,结合专家知识和先验经验,对故障特点进行了总结分析,采用常见的知识诊断方法——故障树,搭建起针对电动螺旋压力机的故障知识库。随后针对这种知识诊断方法存在的主观性强、适应能力差的不足,提出结合设备机理与锻件成形机理的设备关键参数监控,对关键工艺参数与关键零部件位置实现了实时监控,并获取到大量数据。在此基础上,运用数据驱动的方法,采用最小二乘法、哈希算法以及SOM神经网络对这些实时数据实现了设备状态判断与故障自诊断。最后将上述建立的诊断方法应用到电动螺旋压力机的诊断系统中,并利用采集到的数据对其功能进行测试,测试结果表明该诊断系统可以识别压力机设备的不同状态,提高了现场设备维护的效率,降低设备维护成本。