该系统名为「SKF BearingDetective系统」，是一个决策支持系统，可以对滚动轴承的损坏或故障进行更一致、快速和准确的评估。系统基于SKF长年累月积累的轴承知识，通过搜索其信息库，为输入到程序中的应用参数提供轴承损坏的许多可能原因，原因按最高概率评级（%）到最低概率评级的顺序排列。

 

基于概率网络，该系统克服了以前专家系统（以往的专家系统通常被构造为从症状到可能原因的决策树）的缺点，新系统是以与早期方法相反的方式，通过建模构建的，从可能的原因到症状，通过以这种方式建模，并将一定程度的不确定性附加到可能的故障状态，可以更好地拟合轴承使用寿命期间发生的物理现象，在最先进的智能计算机的帮助下，新的评估方式更友好且更快速。

 

该系统的核心是从滚动轴承的基本原理到实际工程和应用结果收集的丰富知识，概率网络是一种可视化网络，其中节点通过因果关系连接，并应用概率计算，轴承失效分析网络有四个节点类别，一是条件（速度、轴承类型、负载、温度等），二是内部机构（滑动接触、润滑油膜破裂等），三是失效模式（亚表面引发的疲劳、微动腐蚀等），四是观察到的症状（生锈、变色、剥落等）。

 

通过对输入数据进行概率分析，并与基本原理和应用知识库相关联，最终可能的故障原因，关于系统的更多详情，可直接咨询沃恩。