1.一种基于贝叶斯网络的桥式起重机故障诊断方法，其特征在于：该方法具体如下：

步骤一、将桥式起重机进行模块分解，将已发故障事件归类，按照独立主元分析法划分故障层次和故障主元，得到桥式起重机的故障树模型，建立桥式起重机故障事件贝叶斯网络拓扑结构；将存在因果关系的故障节点用有向线段相连，若某一故障节点是造成另一故障节点的原因，则称此故障节点是另一故障节点的父节点；在贝叶斯网络拓扑结构中，不存在父节点的故障节点称为根节点，其余节点称为叶节点；根节点的先验概率、叶节点的条件概率均用历史故障诊断样本的统计概率赋值；

步骤二、将贝叶斯网络拓扑结构中的节点划分为模块状态层、故障推理层和故障底事件层；

步骤三、采集模块状态层的输出信号，根据桥式起重机各模块是否正常运行选择故障诊断模式，具体是指利用传感器和PLC读取桥式起重机贝叶斯网络拓扑结构中模块状态层的状态信息，当模块状态层的信号显示正常时，代表桥式起重机仍可继续工作，此时故障诊断系统进入故障表现预测模式；当模块状态层某个模块传递的信号不正常时，则代表桥式起重机此模块运行故障，此时故障诊断系统进入已发故障的第一故障点定位模式；

步骤四、利用数据采集卡检测故障底事件的实际性能参数，用s表示检测得到的性能参数，s′表示发生故障的临界指标，归一化处理后得到故障底事件的当前先验故障概率ei；

步骤五、桥式起重机的贝叶斯算法诊断：故障诊断模式进入桥式起重机故障表现预测模式时，将故障底事件的故障概率ei作为贝叶斯网络的推理证据输入算法模型，利用公式(1)计算故障推理层各节点此刻性能状态为故障F时的概率，将得到的故障推理层各节点性能状态为故障F时的概率作为ei的输入，再次利用公式(1)便可对桥式起重机整机的性能状态作出诊断；

其中，Xij为故障底事件层节点、Xi为故障推理层节点，i、j均为大于1的整数；故障概率P最大的模块即为预测发生故障的模块；利用公式(2)可将桥式起重机整机的故障概率P转化为实际性能状态A：其中，Nor代表正常，At代表注意，Da代表危险；

故障诊断模式进入桥式起重机已发故障的第一故障点定位模式时，利用贝叶斯后验概率算法，即公式(3)计算各故障底事件因发生故障的概率Pi：

将定位的故障底事件排查后作为证据，即故障概率ei＝0，输入继续推理，直到排查到故障点。

2.根据权利要求1所述的一种基于贝叶斯网络的桥式起重机故障诊断方法，其特征在于：所述桥式起重机故障事件贝叶斯网络所有的根节点构成故障底事件层，包括制动瓦衬、主弹簧、行程制动电磁铁、液压推动器、电磁铁磁拉力、制动器杠杆传动系统、制动螺杆、制动瓦衬、电磁铁线圈、制动器电路、制动力矩、限位器、小车车轮、小车车架、小车同一位置主梁高度差、小车轨道焊缝处断裂、小车起动情况、小车轨道洁净度、小车车轮、小车主动轮轴磨损、主梁上拱度、主梁盘弯度、主梁腹板波浪变形度、端梁变形度、减速器底座螺栓松紧度、减速器传动轴与电机轴同心度、减速器构件刚度、减速器通气孔、减速器排气孔、固定螺栓松紧度、钢丝绳、制动器与垫片间隙、主弹簧弹性、制动带与制动轮表面洁净度、山形钩变形、液压推杆松闸器自由度、抱闸松紧度、极限开关、控制线路、大车齿轮箱漏油、电动机负载、电动机电压、机械传动系统、减速器传动轴与电机轴同心度、电动机轴承、电动机转子、控制器回转、控制器触头、交流接触器线圈、熔断器、过电流继电器和限位器。

3.根据权利要求1所述的一种基于贝叶斯网络的桥式起重机故障诊断方法，其特征在于：所述桥式起重机故障事件贝叶斯网络的叶节点分为故障推理层和模块状态层，故障推理层包括制动器刹车、制动器开合、小车车轮平面、小车运行状态、减速器振动、减速器油封、吊钩、卷筒、电动机运转发热和电动机振动；模块状态层包括制动器、小车、金属结构、减速器、升吊设备、电气设备、电气线路、起重机状态、机械结构和电气系统。