基于贝叶斯推断贡献的机械设备故障诊断方法

现有机械设备故障诊断方法大多针对已知故障建立,不具备识别新故障的能力,针对该问题提出一种基于贝叶斯推断贡献(Bayesian Inference Contribution,BIC)的故障诊断方法.该方法基于BIC理论对各已知故障建立状态模型,并自学习振动数据与各状态模型的允许最大距离,当振动数据与各已知故障状态模型间距离均大于允许最大距离时识别为新故障,反之为已知故障,并在此基础上设计了状态模型更新方法,使其能够利用新故障数据和误诊数据对模型进行更新.采用往复压缩机的真实故障数据进行测试,结果表明,该方法对新故障的识别准确率为100％,采用误诊数据对状态模型更新后整体诊断准确率得到明显提升.