信息融合是一种智能信息综合处理技术,从本质上讲,故障诊断具有与信息融合相同的目的和要求。同时,多传感器信息融合技术能够提供给故障诊断系统尽可能多的信息,通过对来自不同传感器的故障信息进行分析和合成,能够产生比单一信息源更合理、更全面和更精确的诊断结果。因此将信息融合技术应用到系统故障诊断中的意义重大。本文从信息融合技术出发,深入分析研究了信息融合故障诊断的诊断原理和诊断过程,并分别研究分析了模糊神经网络技术、D-S证据理论及它在信息融合故障诊断领域中的应用,最后本文针对现有故障诊断模型故障识别率低,诊断结果精度不高等不足,根据现代系统的故障特性,提出并建立了一种新的信息融合故障诊断模型。该融合诊断模型主要从特征级和决策级的融合诊断两个方面着手进行建立。本文在特征级故障诊断中提出了基于模糊神经网络理论的融合诊断中心的概念,并针对其混合学习算法中网络收敛速度慢,容易产生振荡等缺点进行了改进,改进后的算法具有很好的收敛效果,从而提高了整个融合诊断中心的诊断效率。该融合诊断模型根据待诊断系统不同的故障特征分别设计相应的融合诊断中心进行局部诊断,并利用D-S证据理论进行决策级的全局融合诊断。本文最后应用MATLAB进行仿真实验,验证了该融合诊断模型的可行性和有效性,实验结果表明,故障的识别率和诊断结果的精度都得到了一定的提高。