空气制动机是一种复杂的气动控制系统,运行时存在大量的不确定性故障,而传统的故障诊断方法不能对大量不确定因素建立相应的数学模型,导致很难得出精确的诊断结果。贝叶斯网络是一种能够对复杂系统建模、推理和学习的重要工具,为了提高制动系统故障诊断的有效性,本文在详细阐述了贝叶斯基本原理基础上,建立适合空气制动系统故障诊断的贝叶斯网络的具体模型。工作主要是：1.本文对贝叶斯网络的基本理论与方法进行了研究,贝叶斯网络作为一种基于概率论和图论的不确定知识表示模型,是复杂系统中建模、推理与学习的重要工具,能很好的量化复杂系统中普遍存在的不确定性因素；基于概率计算的推理方式能使得出的结论更加精确；有效的自学习能力使建立的系统模型具有很好的智能性。2.建立104空气制动系统的贝叶斯诊断模型,确定贝叶斯网络的节点及系统各元件的状态,根据元件的可靠性和领域专家经验估计元件各状态的先验概率,进而利用贝叶斯网络推理算法计算各故障原因的发生概率,实现故障定位。该模型能清晰地表示系统和元件的状态以及状态概率,并能够对空气制动系统的故障原因进行定性分析和定量评估。诊断结果表明应用该方法进行空气制动系统故障诊断的有效性。3.由于JZ-7型内燃机车空气制动系统配置的复杂性,故障原因和故障征兆存在大量的不确定性,很难实现系统的故障诊断。为了提高内燃机车空气制动机不确定性故障诊断的效率,提出基于贝叶斯网络的故障诊断模型。根据观测的信息或专家经验估计阀件的先验概率,最大期望估计算法学习各个阀件故障的联合概率分布和边缘概率分布。采用联合树算法,推断故障原因阀件的概率,从而实现故障定位。仿真结果表明,该方法可以准确的计算出故障原因概率。因此,这种方法是有效的解决了不确定故障的诊断。