在科学技术不断提升的背景下,钢铁生产设备也向多元化方向发展,其机械性能得到了非常大的提高,进而也使设备的维修工作变得越来越复杂。近些年,大规模的复杂系统应运而生,进而导致不确定性因素的增多,为系统的维修策略带来很大的难题。在机械故障诊断领域出现了一个急需解决的问题,那就是如何解决不确定性问题。故寻求能对复杂设备故障诊断与维修相关的各种信息进行快速融合,并有效处理不确定性知识的决策模型及方法,一直是研究者们不懈努力的方向。针对机械故障诊断中存在大量的不确定性问题现象,传统的故障诊断方法已经不能满足需求。然而随着不确定理论的迅速崛起及其在解决故障诊断中的不确定性问题所表现出优越性,其已成为研究者们的主要研究方向之一。本文通过运用贝叶斯网络和证据理论的方法来解决机械故障诊断过程中的不确定性问题,提出了一种新的故障诊断方法及其对应的实现方法,并且通过实例进行验证,其结果表明此方法是可行的。本论文主要研究内容和创新工作有六点:第一点,运用不确定理论解决机械故障诊断中不确定性问题;第二点,运用贝叶斯网络构建故障诊断系统模型;第三点,通过对局部区域进行概率推理,大大简化推理过程;第四点,通过证据理论解决了假设冲突的问题,并且实现了知识的集结。第五点,通过构建风机系统模型,运用实验数据与实际工况的对比,得出诊断方法是可行的,本文建立了风机的视情维修策略方法。第六点,按照同样的建模方法,可以对酸洗线和镀锌线的各个组成部分进行建模,从而得出酸洗线和镀锌线的故障诊断模型及视情维修策略。