常用的煤矿机电设备运维模式为井下采集数据、地面工控机或云平台进行数据分析，存在实时性和灵活性差、采集数据量受限、成本高等问题，而边缘计算机+数据采集卡的通用工业预测性维护解决方案因不易实现矿用本质安全型设计、现场布置灵活性差、成本过高等，不适用于煤矿机电设备运维场景。针对上述问题，设计了一种基于STM32F4主控芯片的煤矿机电设备预测性维护用采集计算平台。该平台可并行高速采集煤矿机电设备振动、温度、压力等数据并实时进行快速傅里叶变换、包络谱分析等处理，进而得出机电设备健康状态，通过人机交互模块本地显示监测与诊断结果，并可通过以太网将监测数据及诊断结果传输至地面工控机或云平台进行大规模数据分析。测试结果表明，该平台对振动信号的测量误差小于4%，且可准确判断机电设备不同部件的运行状况和故障，满足现场实时计算、就地分析、灵活布置的需求。