在石油煤化工行业的工业流程中,往复式压缩机有着十分重要的角色。所以对其机械部分工作状态的精准确诊断与故障排查是十分重要的。但是,往复式压缩机的故障率较高,而且安全事故频发。而就目前而言,国内常规的诊断方法都是针对固定的故障现和单一的故障特征进行分析诊断,这就会导致其诊断的结果不够准确,不但失误率较高而且可靠性较低。本文利用往复式压缩机组中多个振动的激励源和各部分模块故障关联密切的特点,提出了一种基于多源信息融合的往复式压缩机智能故障诊断系统的总体框架。根据往复式压缩机的结构特点设计出了诊断系统的框架结构和各部分模块功能以及它们之间的协作关系,该框架具有较好的扩展性。这是一种主要基于模糊信息融合的往复式压缩机故障诊断方法。通过在往复式压缩机故障智能诊断系统中,采用混合分解的方法对其诊断任务进行分解,即在系统的高层中采用结构分解,底层中采用故障分解,并通过采用改进的合同网方法对系统的诊断任务进行分配调节。本文介绍了模糊逻辑、神经网络和专家系统这三种智能诊断方法与模糊信息融合方法,并通过仿真验证了模糊信息融合方法的准确性与有效性。开发了基于多源信息融合的往复式压缩机智能故障诊断系统。利用仿真软件和混合编程的方法并开发了往复式压缩机的在线状态监测与故障诊断系统的整体方案,并切详细阐述了该诊断系统的数据库的结构、诊断对象和硬件组成;该智能诊断系统已经应用于某石油化工车间往复式压缩机上,经过两个月的机组试运行,诊断系统稳定而有效。