贝叶斯网络是为了处理人工智能研究中的不确定性问题而发展起来的。它是将概率统计理论应用于复杂领域进行不确定性推理和数据分析的工具。近年来,贝叶斯网络决策支持理论得到了迅速发展,其技术已经成功运用于金融、语音识别、机器人等领域。在应用贝叶斯网络时,贝叶斯网络结构的构建是核心问题,但是目前仍然缺乏成熟的贝叶斯网络结构学习算法,因此利用新型高效的算法解决贝叶斯网络结构寻优问题具有重要意义。本文针对贝叶斯网络结构学习问题进行了深入研究,将新近提出的布谷鸟搜索算法运用到贝叶斯网络结构学习问题中,同时融合先进的搜索策略形成一种新型的贝叶斯网络结构学习算法,并将该算法构建的贝叶斯网络分类器运用于异步电机的故障诊断中。首先,文章阐述了贝叶斯网络的起源与发展,介绍了贝叶斯网络的研究现状以及应用贝叶斯网络解决问题的优越性,并对贝叶斯网络的基本理论展开综述。然后,在贝叶斯网络构建问题上,将新近提出的布谷鸟搜索算法应用于贝叶斯网络结构学习中,在互信息理论的基础上,给出一种基于二进制Levy飞行的网络结构随机进化方法；并在布谷鸟搜索算法中引入竞争机制,以提高算法性能。其次,在介绍希尔伯特黄变换的基础上给出了异步电机定子电流信号的边际谱特征提取方法。并阐述了对边际谱进行量化的方法,最后得出相关特征向量。最后,结合异步电机定子电流的Hilbert边际谱特征和布谷鸟搜索算法得到的贝叶斯网络分类器结构对异步电机转子断条故障诊断进行建模分析,实验表明,该故障诊断模型十分有效,诊断准确率高。