随着生活水平的提高,观众对文化艺术的要求也随之增长,这就对舞台技术提出了更高的要求,但是舞台控制系统结构复杂,保养维修费用高昂,因此有必要寻找高效而实用的舞台故障诊断方法。本文在参考大量故障诊断资料的前提下,结合舞台故障发生的特点,将近些年来在控制系统领域比较热门的数据融合技术应用在国家大剧院旋转舞台故障诊断系统中,给出了一种BP网络和D-S证据理论相结合的数据融合舞台故障诊断方法,从而实现了它们的优势互补,提高了诊断效率。本文首先介绍了人工神经网络的基本理论,根据BP网络的特点,分析采用神经网络进行故障诊断的可行性,进而重点分析了BP神经网络故障诊断基本原理。其次,针对BP神经网络在故障诊断应用中的不足,考虑到数据融合具有不需要先验概率、很好区分“不知道”和“不确定”等优点,选择将神经网络与数据融合相结合方法应用到舞台故障诊断系统中,进而构建了舞台故障诊断系统所需的神经网络结构,为诊断系统的设计提供了理论指导。最后,具体介绍了旋转舞台的故障机理,并且结合旋转舞台的特点,给出了综合诊断模型。通过现场采集到的振动和噪声数据进行相关处理和特征提取,接着采用BP神经网络数据进行局部诊断。最后利用D-S证据理论对局部诊断结果进行融合,最终得到了满意的结果,从而验证了BP神经网络和证据理论相结合的舞台故障诊断方法的实效性。