本文针对多联机系统可能发生的多类故障以及故障详细发生水平或诱发原因建立了分层自适应故障诊断机制,对不同故障实现先诊断故障大类,根据发生故障的对象不同自主选择最佳细化诊断模型以进一步精确识别故障发生原因,可以减少故障一步诊断时标签过多以及不同故障采用同一模型诊断所带来的消极影响。该分层诊断机制不仅能实现特定故障匹配特定模型诊断,而且更细致的划分了故障发生水平,有更大的推广应用价值。首先为模拟多联机系统实际运行中可能发生的若干故障、多种严重水平,通过实验获得正常运行和三类故障发生时的足够数据,以构建混合故障分层诊断机制。该机制基于Catboost算法建立首层故障大类识别模型,并采取包内Prediction Values Change方法对特征重要性进行排序,综合考虑模型运行时间成本和诊断精度,选定了最终输入模型中的10个特征参数。其次,构建诊断机制第二层中详细类型判别模型,首先采取两种数据降维方式,一是关联规则寻找与故障标签具有强烈依存性的特征参数,二是利用线性判别分析进行特征提取。为不同故障确定所需的不同特征参数子集,完成该机制中第二次特征筛选。同时,仍然基于Catboost模型建立不同种类故障的细化诊断模型,在此过程中,为了达到更好的诊断效果,采用网格搜索方法在训练集上寻找三类故障诊断模型的最优参数组合。然后比较关联规则和线性判别分析选取的不同特征参数子集下的故障细化诊断效果,最终选定关联规则降维方式。最后,利用测试集对该分层诊断机制进行完整测试,观察模型的诊断精度和鲁棒性。结果表明,在测试数据集上,故障类型识别整体准确率达到99.29%。测试样本根据所识别出的类型自主选择适合的细化诊断模型,最后电子膨胀阀故障、压缩机回液故障、制冷剂充注量故障能够准确识别出具体的发生水平或详细类型的概率分别为96.21%、99.67%和94.63%。结果说明该分层诊断机制能够较好的识别故障大类并细致定位故障发生水平或者诱发原因,具有良好的泛化性能和推广价值。