机械故障诊断是指应用测试分析手段和诊断理论,对机械设备运行中所出现的故障机理、原因、部位和程度进行识别和诊断,并根据诊断结论,进一步确定机械设备的维修方案或预防措施。机械故障诊断以状态识别为基础,从机械设备的异常状态出发,实现故障定位、定性及定因.但是在一般情况下,由于系统结构、运行过程以及外界环境的复杂性,机械设备的故障征兆与故障原因之间并不是简单的——映射关系,它们之间存在着复杂的一对多和(或)多对一关系,同时在诊断过程中还存在着许多随机的、模糊的、不确定的因素,从而导致在机械故障诊断过程中存在着大量的不确定性问题。传统的机械故障诊断方法如系统可靠性框图、故障树分析法等,难以解决机械故障诊断中的不确定性问题。而近年来快速发展的不确定性理论与方法,对于解决机械故障诊断中的不确定性问题具有很大的优势,并成为机械故障诊断领域中一个重要的研究方向。本文以国家自然科学基金“复杂工程系统故障预测与维护理论及关键技术研究”和国家863计划先进制造技术领域“十一五”重点项目“行业大型装备MRO支持系统”为背景,针对机械设备故障诊断过程中的不确定性问题,运用贝叶斯网络和证据理论,提出了一种新的故障诊断方案及相应的实现方法,并以转子系统为例进行了实验验证。本文的主要研究内容和创新性工作有:1)针对机械故障诊断中的不确定性问题,分析了故障诊断过程中不确定性的来源,提出了基于不确定性理论的会诊诊断解决方案.该方案利用专家的先验经验数据和(或)传感器数据建立相应的不确定性模型,并通过故障概率推理和多源故障诊断知识的集结实现快速、准确的机械故障诊断。2)为了解决机械故障诊断中的不确定性建模问题,提出了基于故障贝叶斯网络的不确定性建模方法。该方法通过建立故障树模型与故障贝叶斯网络模型之间的映射关系,实现了由故障树模型向故障贝叶斯网络模型的转化;针对故障树模型缺失的情况,提出了基于蚁群优化算法的结构学习方法,实现了由传感器数据构造故障贝叶斯网络模型。3)为了解决复杂机械系统故障推理中的NP难题问题,提出了基于联结树算法的故障概率推理方法。该方法包括贝叶斯网络结构转变、信念初始化、信念传递与吸收以及故障概率的计算等,其主要优点在于采用局部计算降低了故障概率推理的复杂度。4)提出了基于D-S证据理论的会诊诊断融合模型。该模型通过故障诊断实例与故障贝叶斯网络模型之间的贴合度分析,解决了多源故障诊断知识的融合悖论问题,实现了多个故障贝叶斯网络模型的诊断知识集结。5)以转子系统的故障诊断为例,分析了转子系统故障诊断过程中存在的不确定性问题,建立了转子系统的故障贝叶斯网络模型,并通过故障概率推理获得了可信的故障诊断结论。实验表明,上述方法切实可行。论文围绕机械故障诊断过程中的若干核心理论与技术问题进行研究,在智能故障诊断方法方面获得一些创新性的研究成果,为机械设备故障诊断提供了一种新的方法与工具。