基于多维高斯贝叶斯的机械设备失效/故障智能诊断及参数影响分析

采用多维高斯贝叶斯机器学习方法研究机械设备的失效/故障智能诊断方法,基于极大似然分析基础上,提出一种基于“马氏距离”估算的关键特征参量影响分析方法,用于评价各特征参量对失效/故障分类的影响。该方法用于两个机械设备的失效/故障数据库的智能诊断分析,在获得高诊断识别率(失效/故障模式正确识别率分别达到96%和86%)的同时,也识别了影响失效/故障分类的关键特征参量。分析表明特定的失效/故障模式往往取决于少数关键特征参量,而不确定的失效/故障模式的关键特征参量往往呈分散分布,关键特征的分散性会影响多维高斯贝叶斯分类器的诊断识别率。该方法可用于机械设备的失效/故障的智能识别与关键特征参量的智能诊断,也为失效/故障的影响因素分析指明方向。