机械工程学报

作者：朱建新, 陈学东, 吕宝林, 王溢芳, 乔松, 陈嘉宏

单位：1. 合肥通用机械研究院有限公司 合肥 230031;2. 国家压力容器与管道安全工程技术研究中心 合肥 230031

关键词：高斯贝叶斯,失效/故障诊断,特征参量,影响因素,马氏距离；

基金：工信部智能制造综合标准化项目、安徽省科技重大专项（17030901014）、国机集团重大科技专项（SINOMAST-ZDZX-2017-01-05）和国家重点研发计划（2017YFF0207904）资助项目。

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。

来源：2020年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2020年第4期