摘要： 设备的健康状态对于现代工业的生产安全和生产效率有着重要的影响，为了准确感知 设备的健康状态，实现设备状态从定性分析到定量分析的过渡，提出了一种带噪声基于密度的聚类 算法（DBSCAN），通过与高斯混合模型（GMM）进行结合，前者实现数据的分类，后者实现数据的建 模，建立了基于改进DBSCAN-GMM的设备健康状态数据量化模型，并结合现场棒磨设备历史运行 数据进行了实例分析，验证了该模型的有效性。