胡 宇,唐小峰,文永康,邹 建

(成都天奥测控技术有限公司，成都 611731)

0 引言

贝叶斯网络方法是由贝叶斯公式发展而来，贝叶斯公式是用于解决“逆概”的问题一种方法，即通过“结果”计算“原因”的概率[1]。贝叶斯方法作为概率统计学的重要分支，广泛应用于机器学习、数据挖掘、数据融合、医疗诊断、邮件过滤和产品客户需求分析等场景。故障诊断的过程通常是利用测试“结果”推理出故障“原因”，这和处理“逆概”问题的概念基本相同，因此，贝叶斯公式和贝叶斯网络也经常应用于故障诊断领域。刘钦文利用贝叶斯网络处理传统多信号模型中故障传递和故障检测中的不确定性问题[2]，文献[3]使用朴素贝叶斯算法分类提高了滚动轴承故障诊断的准确率，文献[4]提出基于重要度分级的概念优化传统贝叶斯网络模型有利于故障特性的提取，文献[5]提出基于贝叶斯网络的民机起落架系统故障诊断方法提升了诊断效率和精度。

基于知识的故障诊断方法是目前最为流行的故障诊断方法，这类方法主要是通过故障征兆和系统模型等方式来描述故障现象与故障原因之间的联系，系统模型可分为定量模型和定性模型，复杂系统的精确定性模型往往难以获得[6]。常用的故障树和相关性矩阵都是基于定性模型的故障诊断方法，故障分辨率低[7]，处理复杂系统多重并发故障的能力较差。贝叶斯网络具有强大的不确定性推理能力，可以利用历史数据建立较为精确的故障概率模型，因此在复杂系统故障诊断中具有一定的优势[8]。……