随着机械设备复杂程度和自动化水平的不断提高，由于许多无法避免因素的影响，使得设备出现各种故障给企业带来了严重的经济损失，甚至会造成灾难性的事故。因此机械结构故障诊断的重要性日益显著。而随着计算机技术的普及，故障的智能诊断显现出了极大的优势。因此对设备的运行状况进行实时监测和故障诊断势在必行。本文研究了设备健康管理中的故障诊断方法以及多诊断方法诊断结果的数据融合，以此来完成结构故障模式的有效辨识。　　结构健康管理系统中的故障诊断方法一般分为基于数据和基于模型两大类。本文以航空硬铝Lv-12平板结构作为实验对象，采用了基于数据以及基于模型的两类故障诊断方法对其常见的三种损伤形式(结构应变损伤异常、结构冲击损伤异常以及螺钉松动异常)进行了故障诊断。　　首先，采用了基于数据的故障诊断方法，对结构进行了损伤辨识。本文通过MATLAB编程实现了BP神经网络、欧几里得及支持向量机三种基于数据的故障诊断算法，同时根据实验得出每种诊断方法正确率。　　其次，研究了基于模型的故障诊断方法，通过对结构建立力学模型，根据在线监测系统采集得到的数据与模型计算得到的数据之间对应的故障模式做出诊断。本文利用ANSYS有限元分析软件建立了结构的有限元模型，得到结构不同模式下的应变分布图以及对应的应变数据，通过逆数值方法来完成基于模型的故障诊断。　　最后，通过LabVIEW调用MATLAB来完成多诊断方法的故障诊断，以及多诊断结果的数据融合及其诊断显示。通过实验比较选用D～S证据理论来作为本文的数据融合方法。