摘 要

在机械系统故障诊断中，如何有效利用多传感器信息进行融合，结合系统当前状态进行故障推理是装备监测里的重要问题。贝叶斯信念网络是信息融合的有效手段，因其在处理不确定问题上的独特优势，近年来在故障诊断领域广受关注。

本文研究了贝叶斯信念网络的表示、建立、推理算法等相关理论知识，针对多参数故障监测系统，以Java为开发语言，以MyEclipse为开发平台，设计并分步实现了具有友好用户界面的故障模型创建和推理系统。该系统包括贝叶斯信念网络模型搭建、故障节点属性设置、贝叶斯信念网络推理、推理结果显示等功能模块，能够以机械设备运行过程中的故障征兆作为证据，进行故障推理并显示可能性最大的故障及其后验概率大小。最后以柴油机磨损故障诊断为例对系统进行了测试，验证了系统的可用性。

关键字：贝叶斯信念网络；故障推理；软件设计

Abstract

In mechanical fault diagnosis system, how to effectively use multi-sensor information fusion and combine the current condition of the system to carry out fault reasoning is important in equipment monitoring. Bayesian belief network is an effective means of information fusion and has received extensive attention in the field of fault diagnosis in recent years because of its unique advantage of dealing with uncertainties.

This paper studies the related theoretical knowledge of the description, establishment, reasoning algorithm and other aspects of bayesian belief network. Aiming at multi-parameter failure monitoring system and taking Java as developing language, MyEclipse as developing platform, this paper designs and develops a system for fault model creation and reasoning with an user-friendly interface. The system mainly includes bayesian belief network model creation module, properties of the failure node setting module, bayesian belief network reasoning module and results showing module. Basing on the fault symptoms in the operational process of machine, the designed system carries out fault reasoning and shows the most likely failure mode and its posterior possibility. In the end, this paper takes the diesel engine wear fault diagnosis as an example to test the system and prove its availability.

Key Words: bayesian belief network; fault diagnosis; software design

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 机械故障诊断技术的研究现状 1

1.3 基于贝叶斯信念网络的故障诊断技术 2

1.3.1 贝叶斯网络的提出与发展 2

1.3.2 BBN在故障诊断领域的研究现状 3

1.4 本文的主要内容和结构 3

第2章 贝叶斯信念网络理论 5

2.1 BBN的表示 5

2.2 BBN的建模 6

2.3 BBN的信念传播及推理算法 6

2.3.1 贝叶斯信念网络中的信念传播 7

2.3.2 推理算法编程实现与验证 9

2.4 本章小结 11

第3章 基于BBN的故障推理系统设计 12

3.1 基于BBN的故障推理模型设计 12

3.1.1 用BBN描述机械故障诊断知识 12

3.1.2 BBN故障推理模型设计 12

3.2 系统需求分析 13

3.3 系统框架设计 14

3.3.1 MVC模式简介 14

3.3.2 系统框架及主要功能 15

3.4 本章小结 16

第4章 系统各模块的实现 17

4.1 开发平台简介 17

4.2 系统主界面的设计 18

4.3 BBN模型搭建模块设计 18

4.4 参数设置模块设计 20

4.5 BBN推理模块设计 20

4.6 推理结果显示模块设计 22

4.7 系统测试及运行效果展示 22

4.8 本章小结 26

第5章 总结与展望 27

参考文献 28

致 谢 30

第1章 绪论

1.1 研究背景及意义

随着现代科学技术水平的不断提高，机械设备的规模和复杂程度都迅速增加，在促进工业快速发展的同时，对机械系统的安全性、可靠性和可维修性的要求也变得更高，从而推动了机械设备故障诊断技术的发展，各类机械故障诊断技术不断得到改进和提高，同时也有新的技术手段被引进到故障诊断领域。

故障诊断，就是及时发现机械设备在运行时出现的异常，即故障征兆，并通过相应的技术手段找出引起设备故障的根本原因。故障征兆通常都是从传感器信号中获得，当传感器监测到的信号不符合预期值，就可以判断机械系统中出现了故障。在进行故障诊断时，需要对多源传感器信号进行融合，以得到最佳的故障诊断结果^[1]。

贝叶斯信念网络（Bayesian Belief Network，BBN）作为近年来人工智能领域的热点之一，其进行信息融合和处理故障诊断领域广泛存在的不确定问题的能力使它在故障诊断领域得到了广泛应用。

与传统的故障诊断技术相比，贝叶斯信念网络的优势主要体现在以下三个方面：

（1）贝叶斯信念网络能很好地处理不确定问题，比如信息缺失等，甚至是对于存在错误信息的情况，贝叶斯信念网络也能得出良好的诊断结果；