由于地层的多样性和石油钻机的复杂性及工作条件恶劣等特点，油气田勘探开发对钻机系统安全性和可靠性提出了很高的要求。本文研究基于模糊推理和神经网络相结合的信息融合故障综合诊断方法，对石油钻机故障实时诊断和提高钻机钻井过程安全监控具有重要意义。　　 论文介绍了石油钻机组成，分析了传感器监测的参数与钻机故障之间的关系，论述了信息融合技术的原理及信息融合故障诊断方法，在多个异类传感器与现场总线构成钻机安全监控系统的硬件基础上设计了软件方案，建立了基于信息融合技术的钻机故障诊断模型，信息融合模型包括数据层融合故障检测、特征层融合故障识别及决策层融合故障定位。进行模糊神经网络算法的信息融合和学习算法与网络参数确定，通过MATLAB优化仿真。实践证明该诊断系统能够对钻机设备及钻井过程进行准确的诊断，提高了钻机故障诊断的精度，满足石油钻机故障诊断的实时性要求。重点研究了模糊神经网络及D-S证据组合两种融合算法：　　 1.基于模糊神经网络的特征层融合钻机故障诊断方法。介绍了模糊神经网络原理及结构，将钻机系统的信息进行模糊化处理，其对应的隶属度值作为故障模式输入，而输出的模糊故障信息转换成确定性信息。确定了学习速率及网络参数，重点研究了将模糊集的基本运算、扩展原理和逻辑推理集合到神经网络故障诊断系统中。发挥了神经网络的学习功能和模糊系统处理模糊知识的能力。　　 2.基于D-S证据理论的决策层融合钻机故障诊断方法。详细介绍的D-S证据理论的基本概念和证据的融合推理方法，建立了多故障特征信息融合诊断框架，并提出一种符合故障诊断特点的基本可信度分配构造方法。能够有效的提高诊断可信度，减小诊断的不确定性。