本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法，属于机械故障诊断及状态监测技术领域，所述方法包括：构建局部异常因子模型，获取历史监测数据集，将历史监测数据进行多维特征属性特征提取，并形成历史监测数据LOF结果集；根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新，并通过异常阈值识别并删除异常数据，计算复杂度相比传统LOF大大降低，计算耗时更小，能够满足一般流式监测数据质量保障实时性要求。