为了能够准确地对大型设备的性能退化过程进行描述，提出了一种基于支持向量数据描述（SVDD）和信息融合技术的评估方法。通过SVDD算法分别评估来自单个传感器的数据，然后运用D—S证据理论对来自多传感器的局部评估结果进行信息融合，最终给出设备的整体性能评估结果。实验分析表明，SVDD算法能够真实地反映设备局部性能退化状态的变化，而利用D—S证据理论得出的整体设备状态评估结果符合实际情况，同时有效地消除局部信息之间的矛盾，提高了设备整体评估的可靠性。

在结构的损伤检测中，由于传感器数目、测试噪声等因素，限制了结构损伤检测与识别的能力。不同的损伤识别方法在检测过程中识别的精度不同，使用单一的损伤检测识别方法所获得的信息是不全面的。将Dempster-Sharer证据理论应用于结构的损伤识别中，将各种识别不同精度的检测方法融合，使最终识别的结果更为可靠、精确。通过对钢梁结构损伤识别的模拟计算，验证了D—S证据理论在融合多种不同精度损伤识别方法中的有效性。

针对液压泵故障诊断特性参数多、故障诊断不精确、不完整和模糊性强的特点,提出应用阶比分析方法等数据预处理方法去除嗓声干扰和提取参数特征,然后利用决策层融合方法对故障信息进行融合,完成液压泵的故障诊断。应用实践表明,采用D-S证据理论进行决策层数据融合的故障诊断方法,能够有效地提高液压泵故障诊断的精度和效率。

如何确定Mass函数是D-S证据理论的棘手问题，本文从信息论的观点出发，提出一种新的计算Mass函数的算法。该算法依据证据体可信度因素和证据体与目标关联的相对熵来分配证据体的Mass函数，较全面反映证据体的不确定性。将方法应用于液压泵诊断中，结果表明它获取的Mass函数是符合实际情况的，具有较好的实用性，而且其算法容易实现。