1.一种基于JADE的初始化EM算法的动量轮故障诊断方法，其特征在于，包括以下步骤：(1)根据实际采集的动量轮故障数据，建立动量轮故障的贝叶斯网络模型；

(2)基于步骤(1)所建立的贝叶斯网络模型，基于JADE的初始化EM算法获得模型中各网络节点的参数；

(3)基于步骤(2)所获得的带有节点参数的模型以及获得的证据信息，采用贝叶斯网络推理算法，对可能引发动量轮发生故障的各种原因进行概率计算；其中，证据信息指的是在应用时对某个节点或者多个节点添加状态信息来推理对其它节点状态的影响；

(4)通过对比步骤(3)计算出的概率，找出其中后验概率最大的节点，作为最终的诊断结果。

2.根据权利要求1所述的基于JADE的初始化EM算法的动量轮故障诊断方法，其特征在于，所述步骤(2)中基于JADE的初始化EM算法包括以下步骤：(2-1)输入步骤(1)所建立的贝叶斯网络模型；

(2-2)将贝叶斯网络模型的每个节点看成一个个体，节点个数为M，种群规模为N，获取第G代的个体种群：XG＝[x1,G,x2,G,......xN,G]；

其中，xi,G＝[xi1,G,xi2,G,......xiM,G]表示第G代种群中第i个个体，xi1,G也就是存放第G代贝叶斯网络节点中第i个个体的第1个节点的条件概率分布表；

(2-3)更新每个个体的交叉率CRi和缩放因子Fi，JADE在迭代过程中为每个个体i都产生服从高斯分布的交叉率CRi和服从柯西分布的缩放因子Fi，在迭代过程中记录成功参与差分变异的个体的CRi和Fi，最后取其均值，按照公式产生新CRi的和Fi，并进行演化；

(2-4)进行变异、交叉及选择操作，其中，JADE中的适应值函数用贝叶斯网络模型中的似然函数代替；

(2-5)若达到终止条件，继续步骤(2-6)，否则更新高斯分布均值CRi与柯西分布均值Fi，并返回至步骤(2-3)；

(2-6)利用前面步骤(2-1)～(2-5)产生较优的各节点的初始概率值，进行EM迭代，若收敛，则得到最终各节点准确的概率值作为所述各网络节点的参数，否则，则继续进行EM迭代获取所述各网络节点的参数。

3.根据权利要求2所述的基于JADE的初始化EM算法的动量轮故障诊断方法，其特征在于，步骤(2-4)中具体采取突变策略DE/current-to-pbest/1进行变异、二项式交叉和贪婪思想选择。

4.根据权利要求2所述的基于JADE的初始化EM算法的动量轮故障诊断方法，其特征在于，步骤(2-6)中利用前面步骤(2-1)～(2-5)产生较优的各节点的初始概率值，进行EM迭代具体为：(2-7)将通过JADE算法学习得出的较优的初始概率值θ0作为EM开始迭代的初始值；

(2-8)设已经进行t次迭代了，得到θt，第t+1次迭代由以下两步组成：(a)基于θt对数据进行修补，使之完整；

t+1

(b)基于修补后的完整数据计算θ的最大似然估计，得θ ；

(2-9)根据t+1次迭代计算出此次迭代的似然函数值L(θt+1|D)，其中，θt+1指的是t+1次迭代步骤(2-8)学习得出的概率值，D指的是实际采集的动量轮故障数据；

(2-10)若t+1次迭代收敛到所给定的阈值或达到最大的迭代次数，则得到最终各节点准确的概率值； 否则，继续执行步骤(2-8)～(2-9)。

5.一种基于JADE的初始化EM算法的动量轮故障诊断系统，其特征在于，包括以下模块：模型建立模块，用于根据实际采集的动量轮故障数据，建立动量轮故障的贝叶斯网络模型；

节点参数获取模块，用于基于步骤模型建立模块所建立的贝叶斯网络模型，基于JADE的初始化EM算法获得模型中各网络节点的参数；

概率计算模块，用于基于节点参数获取模块所获得的带有节点参数的模型以及获得的证据信息，采用贝叶斯网络推理算法，对可能引发动量轮发生故障的各种原因进行概率计算；其中，证据信息指的是在应用时对某个节点或者多个节点添加状态信息来推理对其它节点状态的影响；

结果确定模块，用于通过对比步骤概率计算模块计算出的概率，找出其中后验概率最大的节点，作为最终的诊断结果。

6.根据权利要求5所述的基于JADE的初始化EM算法的动量轮故障诊断系统，其特征在于，节点参数获取模块中基于JADE的初始化EM算法采用如下子模块实现：数据输入子模块，用于输入模型建立模块所建立的贝叶斯网络模型；

种群获取子模块，用于将将贝叶斯网络模型的每个节点看成一个个体，节点个数为M，种群规模为N，获取第G代的个体种群：XG＝[x1,G,x2,G,......xN,G]；

其中，xi,G＝[xi1,G,xi2,G,......xiM,G]表示第G代种群中第i个个体，xi1,G也就是存放第G代贝叶斯网络节点中第i个个体的第1个节点的条件概率分布表；

参数更新子模块，用于更新每个个体的交叉率CRi和缩放因子Fi，JADE在迭代过程中为每个个体i都产生服从高斯分布的交叉率CRi和服从柯西分布的缩放因子Fi，在迭代过程中记录成功参与差分变异的个体的CRi和Fi，最后取其均值，按照公式产生新CRi的和Fi，并进行演化；

个体操作子模块，用于进行变异、交叉及选择操作，其中，JADE中的适应值函数用贝叶斯网络模型中的似然函数代替；

迭代判断子模块，用于若达到终止条件，继续EM迭代子模块，否则更新高斯分布均值CRi与柯西分布均值Fi，并返回至参数更新模块；

EM迭代子模块，用于利用前面数据输入子模块～迭代判断子模块产生较优的各节点的初始概率值，进行EM迭代，若收敛，则得到最终各节点准确的概率值作为所述各网络节点的参数，否则，则继续进行EM迭代获取所述各网络节点的参数。

7.根据权利要求6所述的基于JADE的初始化EM算法的动量轮故障诊断系统，其特征在于，个体操作子模块中具体采取突变策略DE/current-to-pbest/1进行变异、二项式交叉和贪婪思想选择。

8.根据权利要求6所述的基于JADE的初始化EM算法的动量轮故障诊断系统，其特征在于，EM迭代子模块中利用前面数据输入子模块～迭代判断子模块产生较优的各节点的初始概率值，进行EM迭代具体为：初始值输入子模块：将通过JADE算法学习得出的较优的初始概率值θ0作为EM开始迭代的初始值；

迭代子模块：设已经进行t次迭代了，得到θt，第t+1次迭代由以下两步组成：(a)基于θt对数据进行修补，使之完整；

(b)基于修补后的完整数据计算θ的最大似然估计，得θt+1；

似然函数更新子模块：根据t+1次迭代计算出此次迭代的似然函数值L(θt+1|D)，其中，θt+1指的是t+1次迭代子模块学习得出的概率值，D指的是实际采集的动量轮故障数据；

EM迭代判断子模块：若t+1次迭代收敛到所给定的阈值或达到最大的迭代次数，则得到最终各节点准确的概率值； 否则，继续执行迭代子模块～似然函数更新子模块。