测试转台是一类精密测试设备，主要应用于航空、航天和航海等领域所需的精密惯性元器件(陀螺、加速度计等)、惯性平台的测试和鉴定试验。测试转台实验对象大多是高精度惯性器件和系统，这些器件和系统在研制过程中不仅投资巨大，而且关系到国民经济和国防建设的需要，因而对测试实验过程的可靠性、安全性提出了很高的要求。因此，通过各种手段，保证在测试应用过程中的安全可靠是测试转台一项重要内容。故障诊断是提高设备应用安全性和可靠性的重要手段，本文从某大型三轴精密测试转台实际应用需要出发，根据对象系统结构及其故障的特点，以信息融合理论和技术为基础，对三轴精密测试转台故障诊断的策略和方法、特征信号处理方法、局部诊断融合方法以及全局决策融合方法等相关的问题进行了深入的研究，并对多级信息融合的转台故障诊断系统进行了设计。　　论文在描述三轴精密测试转台系统组成结构的基础上，分析了诊断对象具有精密性和复杂性的特点，这些特点决定其在故障诊断的方法和手段与其它系统有着很大的差别。论文应用故障树分析方法，对三轴精密测试转台常见故障的结构进行了分析，并对常见故障分类和特点分析；同时，论文还对典型故障机理进行了分析；在此基础上，针对三轴精密测试转台系统故障诊断策略提出基于多级信息融合方法。这些研究为开展三轴精密测试转台故障诊断铺垫了诊断对象知识基础。　　获取适当的故障特征信息是故障诊断的必要基础，为了实施三轴精密测试转台的故障诊断，论文针对常见故障的特征信息需求进行了细致的分析，并根据三轴测试转台的系统组成结构给出监测信号的选取。同时，针对三轴精密测试转台的实际需要，分别提出了基于小波包分析的激磁信号相位漂移检测方法和基于小波变换的控制误差信号突变检测方法研究。　　根据三轴精密测试转台分系统故障及其诊断方法特点，论文提出了一种基于径向基函数神经网络局部信息融合故障诊断方法。针对三轴精密测试转台各分系统故障诊断的需要，论文给出了相应的径向基函数神经网络的结构，并给出了一种基于递归最小二乘法的改进学习算法。在此基础上，论文应用该神经网络对各分系统的局部诊断进行了具体研究和仿真实验。　　针对局部诊断中存在的多种不确定性，为了提高诊断的准确性和可靠性，论文提出了一种基于D-S证据理论的全局诊断模型，它以局部诊断结果为基础，通过归一化处理将局部诊断的信任度主观评价融入诊断推理过程，并通过证据合成实现对多个局部诊断结果的综合，给出全局性的诊断结果。论文在阐述D-S证据理论的基础上，提出了相应的转台故障诊断方法和全局诊断模型，并通过实验进行了验证。　　在理论研究的基础上，论文最后对转台故障诊断系统进行设计。在阐述设计目标的基础上，提出了一种基于多级信息融合的转台故障诊断系统的结构，给出了诊断系统的总体设计，并在故障诊断系统传感器配置、基于DSP的监测信号采集与处理、基于DSP的局部诊断神经网络实现方法以及应用面向对象模型的全局诊断实现方法等方面进行了深入研究，提出了相应的实现方案。