在工业生产过程中，人们希望能够对设备故障实现早期预报，防患于未然，保证设备安全、稳定、长周期、满负荷优质运行，避免旧的维修体制中存在的“过维修”或“欠维修”现象，充分发挥设备的效益。在此情况下，设备故障诊断学应运而生，并吸引着大量的科研人员从事这方面的研究，促使该学科不断发展和完善。 随着设备向着高速度、高功率、高可靠性、大型化的方向发展，使得传统的故障诊断技术难以胜任复杂设备的故障诊断。本文正是基于此考虑，把信息融合理论引入到故障诊断领域，以解决复杂设备的故障诊断问题。 首先，本文从生物学和哲学的观点论述了信息融合技术存在的普遍性和必然性，并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性；结合故障诊断的特点，以五种基本融合过程为构件，建立了信息融合故障诊断过程的一般框架。在此基础上，详细分析了以下几种信息融合故障诊断方法： 1．基于神经网络技术的信息融合故障诊断方法。首先深入分析了BP网络模型的特点及BP算法的不足。就“网络结构难以确定”问题提出了“网络结构信息准则NSIC”，为优化网络隐层神经元数提供一种有效方法；就“训练速度慢、容易陷入局部极小点”问题，对误差梯度下降法进行了修正，提出了一种适用于多样本训练的多层前馈网络快速学习算法。在分析现有RBF网络学习算法的基础上，提出了“自适应聚类中心选取学习算法SASCC”。该方法能够自适应地选择网络结构和最优聚类中心，使网络在满足分类精度要求的情况下，具有最简单的结构。最后，从信息融合的角度讨论了神经网络在故障诊断中的应用原理和方法步骤，并通过实例证明该方法的实用性和有效性。 2．基于D-S证据理论的信息融合故障诊断方法。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。最后，通过应用实例证明了经过多故障特征融合后，能够有效的提高诊断可信度，减小诊断的不确定性。 3．分层信息融合故障诊断方法。在分析神经网络技术和D-S证据理论各自存在的优缺点，以及它们之间互补性的基础上，提出了神经网络和D-S证据理论相结合的分层信息融合故障诊断方法，详细介绍了该方法的原理和具体实施步骤。最后通过实例表明，该方法具有较高的诊断准确性和可靠性。 4．群决策理论及其在故障诊断领域中的应用。把群体决策理论作为一种信息融合决策方法引入到故障诊断领域，解决了在多专家会诊中对专家意见大连理工大学博士学位论文 摘 要进行一致性分析和融合决策的问题。提出了一种“树型语言变量模糊量化方法”和符合故障诊断特点的数据分析方法。最后举例说明了群体决策理论在故障诊断工作中的实施步骤。 为了弥补传统的变速箱性能检测方法（如汽车使用实验法、道路检测法）存在的检测周期长、费用大、无法适应现代化大规模生产的需求等不足，提出并研制了用于实验台测试方法的“汽车变速箱性能检测系统”。该系统是集测试、实时监测显示、报警、信号分析、诊断为一体的综合检测系统。本文介绍了测试系统的设计方案，详细论述软件系统面向对象的分析和设计过程，并就软件系统中存在的并发性问题和系统的核心数值算法设计问题的解决方案进行了详细的分析。