随着机械设备自动化程度的不断提高,在设备运行状态检测的基础上进行智能故障诊断显得尤其重要。但对大型而复杂的设备来说,故障机理的复杂性、故障知识表达的不精确性以及典型故障样本不足等问题的存在,为故障的诊断推理带来很多的不确定性。因此智能化故障诊断系统需要对这些不确定性知识进行表达与推理来实现故障的智能诊断过程。本体作为一种能在语义和知识层次上描述知识模型的建模工具,提供了概念的规范化描述,为知识的共享奠定了基础。然而本体不能表示概念之间重叠或相交程度,也不支持只知道概念或者个人的部分信息的推理。在不确定性知识的推理方面,贝叶斯网络理论被证明是目前最有效的方法之一,所以本文以贝叶斯网络作为不确定性推理依据,对Web本体语言进行概率扩展,使它能支持不完备,不精确知识的推理。本文结合国家自然科学基金项目,以转子振动诊断为例,通过应用知识工程领域中的本体论和不确定性推理领域中的贝叶斯网络理论,对以下几个内容进行了深入的分析与研究:(1)针对旋转机械故障诊断领域中普遍存在的不确定性问题以及解决的方案,通过增加本体语义,把用来描述不确定性程度的概率信息编入故障本体中,建立故障诊断领域知识本体语义表达模型。(2)通过一系列的规则和流程将带有概率信息的本体从结构上转换为贝叶斯网络,以支持贝叶斯网络的推理。这些转换的规则包括:概念与节点的转换、关系与弧的转换、属性值的转换、条件概率分布表的构建。(3)在基于本体的贝叶斯网络语义基础上,制定了以贝叶斯网络为底层推理的不确定性推理机制,使用基于搜索的近似推理算法实现智能故障的诊断推理,验证了基于本体的贝叶斯网络方法对于解决旋转机械故障诊断领域中的不确定性知识的可行性和推理的准确性。结果表明,本体和贝叶斯网络理论的结合,能充分发挥本体在知识描述方面的优势和贝叶斯网络的推理能力,促进知识共享,实现依据部分信息的概率获取知识,提高推理的准确性。