基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法

基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法，解决风机组在多故障情况下的检测难题。本发明构建一种包含传感器零点漂移、过程参数线性漂移、非对称噪声干扰和执行器卡死等多种故障工况的仿真模型，并通过动态特征选择和噪声非对称注入策略生成高真实性的故障数据。改进了贝叶斯异常概率BAP算法，引入协方差矩阵正则化与滑动窗口滤波技术，解决了协方差矩阵奇异问题，提高了故障检测的稳定性和鲁棒性。本发明通过"检测‑分类‑定位"的三级诊断体系，结合孤立森林数据清洗、动态高斯混合模型GMM和随机森林分类器，实现在不同工况下的端到端故障分析，有效提升燃煤机组风机组在多故障耦合条件下的故障检测能力和诊断精度。