介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。

提出了将神经网络与D-S证据理论相结合的故障诊断方法，实现了故障信号的特征级和决策级融合，并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体，滚动轴承的4种复合故障特征作为系统的识别框架，引入聚类系数作为权值分配，重新计算基本概率赋值，对D-S证据理论进行改进，以提高轴承复合故障诊断的准确性。

针对单参数诊断复杂系统中出现的信息不完整和不确定性问题,提出基于BP神经网络和D-S证据理论的多传感器信息融合故障诊断方法。为了简化BP神经网络结构,首先利用两并行BP神经网络对故障数据进行诊断;之后,D-S通过证据理论融合局部诊断结果,实现对于不准确信息的准确判断,获得准确诊断结果。该方法适用于特定类型火箭发射器液压驱动伺服系统(HDSS)的故障诊断,实现了对于液压伺服驱动系统中主要部件的故障定位和诊断,有效提高了系统可靠性。