贝叶斯理论的基础是18世纪的英国数学家Bayes提出的贝叶斯公式，Bayes在统计决策函数、统计推断以及和统计的估算等数学领域都做出了重要贡献。19世纪，法国数学家Laplace创作的《概率的分析理论》一文利用了贝叶斯分析，但由于当时贝叶斯理论在实际应用中存在各种问题，因而未曾被大家普遍接受。20世纪初，意大利数学家Fineti和英国数学家Jeffreys都对贝叶斯理论的创新与完善做出了重要贡献。1950年，统计学家Wald提出了统计决策理论，利用贝叶斯方法将数理统计问题看作统计学家与自然的博弈，这在数理统计学上是一项重大革新。与此同时，信息论也得到长足发展，这些新变化直接或间接地推动了贝叶斯理论的完善。20世纪50年代，Robbins等人为代表的数学家提出将经验经典方法和贝叶斯方法相结合的思路，引起了统计界的广泛关注。1958年，著名的统计学杂志《Biometrika》为了纪念贝叶斯，全文重新刊登了论文《论有关基于问题的求解》，标志着贝叶斯方法重新进入大众视野。20世纪60年代以后，随着科学技术的发展，特别是人工智能领域的快速进步，贝叶斯理论在机器学习、数据挖掘等方面获得了广阔的应用空间。
鉴于此，采用一种改进的贝叶斯学习方法对旋转机械进行故障诊断，并以异步电机转子断条故障为例进行了试验验证，运行环境为MATLAB R2018。
擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。