利用故障树分析能明确表达逻辑关系和贝叶斯网络解决不确定性问题能力强的优点，通过转化算法建立两者之间的联系，研究了一种基于二状态故障贝叶斯网络模型，采用分层处理思想，进而计算出模型中任意结点的概率。液压缸爬行诊断分析实例证明了应用故障贝叶斯网络的实用性和有效性。

针对齿轮泵故障信息的不确定性和模糊性，提出了一种多源信息融合的贝叶斯网络故障诊断方法。在探讨齿轮泵故障机理的基础上提取振动、流量和压力信号作为故障特征，构造故障贝叶斯网络，建立贝叶斯分类器进行多特征信息融合，利用最大后验概率准则判别故障类型。融合结果表明，该方法能够有效实现齿轮泵多种故障的诊断，具有广阔的应用前景.