随着工业化的繁荣,机械设备监测及故障诊断技术备受重视。柴油机作为典型的动力机械,既有往复运动,又有旋转运动,而且内部结构复杂,单一的传感器很难准确实现故障诊断,因此要用多个传感器的信息融合实现故障诊断。本文针对柴油机故障诊断关键技术问题,开展了基于信息融合的诊断方法研究,可有效地对多传感器的信息进行融合,从而解决了柴油机故障的检测、预测和决策分析问题。本文主要工作如下：一、建立柴油机故障与多传感器监测信息的对应关系。采用幅域分析法对典型信号进行特征提取,并与其它可监测信息共同构成判断故障类型的特征变量。针对特征变量重要性的差异对分类的影响,采用主客观融合加权法对特征变量进行融合加权。二、针对柴油机监测信息的复杂性,在特征变量相关性模糊时,经典的马氏距离及欧氏距离均无法有效计算故障特征的问题,本文给出了融合距离的度量方法,并结合田口方法,提出了柴油机故障诊断的融合距离田口方法。该方法将多个传感器的数据进行优选及有效融合,并在融合距离这一度量标准下生成故障聚类,根据融合距离的阈值进行了柴油机故障的检测,仿真结果验证了该方法的有效性。其中,当特征变量存在强相关问题时,用Moore-Penrose广义逆矩阵计算马氏距离,解决了特征变量之间的强相关性导致马氏距离无法计算的问题。三、针对马氏距离在聚类分析中对于特征变量重要性差异对分类的影响考虑不足,本文给出了加权马氏距离的概念,并结合田口方法,提出了柴油机故障诊断的加权马氏田口方法。该方法将多个传感器的数据进行优选及有效融合,并在加权马氏距离这一度量标准下生成故障聚类,根据故障聚类的阈值进行了故障检测和故障预测,仿真结果验证了该方法的有效性。四、将神经网络及Dempster-Shafer证据理论引入到决策层融合诊断中,将多传感器的故障诊断结果进行融合,可有效进行故障的决策融合分析。针对证据合成的独立性前提和证据的相关性问题,提出了相关证据的合成方法,排除了相关信息重复使用对证据合成的影响,使得相关证据合成结果更加合理准确,解决了相关证据的决策层融合问题,仿真结果验证了该方法的有效性。五、针对多传感器证据出现冲突时,经典的Dempster-Shafer证据理论无法有效合成的问题,本文提出了冲突证据的加权分配合成方法,建立了可信度函数及证据冲突函数,并将冲突的证据信息加以利用,以免造成证据的浪费,解决了冲突证据的决策融合问题。冲突证据的合成改善了问题传感器给检测结果带来的干扰信息,使得融合结果更加的可靠,仿真结果验证了该方法的有效性。六、提出了基于信息融合的柴油机故障综合诊断策略,并利用Matlab/Simulink仿真工具搭建了故障诊断仿真系统。在一个仿真系统中就可以解决柴油机故障的检测、预测和决策分析问题,不需要为每一个问题开发一种单独的解决工具。该系统的应用具有独立性,只要提供了不同状态下的数据,就能广泛应用于多元系统的分析及决策。之后,引用来自柴油机台架的真实数据进行了故障模拟试验仿真,仿真试验结果验证了所提出的诊断算法的有效性。最后,全面地总结分析了本文的研究工作,并指明今后的研究方向。