贝叶斯网络是表示复杂概率知识理解变量之间的因果关系以及数据集特征的有力工具,如何高效的学习贝叶斯网络结构一直是研究的重点。水泥篦冷机是水泥生产线中冷却高温水泥熟料和回收热量的关键设备,水泥篦冷机换热贝叶斯网络模型建立及故障诊断直接影响熟料质量和水泥生产能耗。动态贝叶斯网络是贝叶斯网络在时序空间的拓展,其结构学习的效率和准确性直接影响网络的适用性。针对传统贝叶斯网络结构学习算法寻优效率差的问题,推导出两种基于节点序搜索的贝叶斯结构学习算法NOK2算法和NCSC算法,将两种算法应用在篦冷机熟料换热工艺参数贝叶斯网络模型建立和动态贝叶斯网络结构构建。具体研究工作如下:首先,构建基于节点序寻优进行贝叶斯网络结构学习的NOK2算法:该算法在经典贝叶斯网络结构学习算法K2算法的基础上,首先通过计算支撑树权重矩阵,构建能够定量评价节点序的适应度函数。然后通过提出混合交叉策略和孤立节点处理机制,同时利用动态学习因子和倒置变异策略,提升遗传算法节点序寻优的性能。最后将得到的节点序作为K2算法的先验知识得到最优贝叶斯网络结构。其次,构建基于节点块序列约束的局部贝叶斯网络结构搜索算法NCSC算法,该算法首先通过评分定向构建定向支撑树结构,在此基础上构建节点块序列,然后利用节点块序列确定每个节点的潜在父节点集,通过搜索每个节点的父节点集构建网络结构,最后对该结构进行非法结构修正得到最优贝叶斯网络结构。最后,将两种基于节点序搜索的贝叶斯网络结构学习算法分别应用在篦冷机熟料换热故障诊断模型建立和动态贝叶斯网络结构构建。在NOK2算法和NCSC算法构建的贝叶斯网络结构的基础上建立篦冷机熟料换热工艺贝叶斯网络模型,并进行参数学习和故障推理诊断。针对动态贝叶斯网络结构的特点,在NOK2算法和NCSC算法的基础上构建混合算法INKABA算法用于动态贝叶斯网络的结构学习。