三、機械故障診斷過程中信息融合技術
（一）以神經網絡為基礎的信息融合方法
簡單地說，它是一種以人腦神經係統為基礎，由大量處理單元組成的非線性大規模自適應動力係統。它不但模仿人腦神經係統具有學習、記憶、計算等能力，還在一定的程度上具有了智能信息處理、檢索等功能，有效地將信息管理與係統結構結合為一體，沒有任何的局限性和不確定性。具體講，它能夠從各種類型的多個傳感器探測的信息中提取出各種狀態特征，並使各種狀態特征精確地對應著機械的各種故障和運行狀態，準確地找出機械故障的原因。
（二）以貝葉斯理論為基礎的信息融合方法
在機械故障診斷的過程中，往往因為診斷對象的不確定性，或是機械運動的聲音太過嘈雜等原因，使得傳感器獲得的信息大多是不全麵或不精確的。這樣不確定的信息，就使的傳統診斷技術很難從中提取出機械的狀態特征，精確地診斷出機械故障的原因，而貝葉斯理論就是針對這種情況提出的。貝葉斯理論是在概率密度函數基礎上發展和建立的推理方法。在機械運動的過程中，可能會隨機地出現很多問題。問題出現的時機看似非常隨便，但是卻有一定的規律，而概率密度函數就是對這種規律最嚴密的計算方式。因此貝葉斯方法以概率密度學為基礎，可以對傳感器的各種類型、各個部位的信息，進行綜合觀察和分析，得出準確的機械狀態特征，進而對故障進行分類。
（三）以D-S理論為基礎的信息融合方法
貝葉斯方法和傳統的故障診斷方法相比，的確實現了重大突破而取得了很大的成效，但是這種方法在某些方麵存在著一定的缺陷。尤其是它不能在所有傳感器抽象級上給出精確的可信度表示。而D-S理論就是基於這點產生的。D-S理論將每一種可能產生的故障稱之為假設，各種可能故障的集合又叫做識別框，而可能故障的各種狀態特征就是證據。
在故障診斷的過程中，它先是計算各個證據的基本概率分配函數、信任函數和似然函數，再計算所有證據聯合作用下的基本概率分配數、信任函數和似然函數，最後選擇聯合作用下支持率最大的假設，從而找到機械的故障。同時D-S理論作為貝葉斯的推理理論，兩種方法的結合才是故障診斷的最佳方選擇。
四、機械故障中信息融入技術的應用
多傳感器數據融合技術在進行故障診斷過程中，構建了三大融合模塊，即數據級融合模塊、特征極並行多神經網絡局部診斷模塊和決策級D-S證據理論的融合診斷模塊。它可以從不同類型的多傳感器的信息中，提取出精確的狀態特征，把其進行分類整理，判斷出正確的故障原因。下麵就以液壓設備的故障為例，簡單講解信息融合技術是如何發揮效果的。
信息自動化的發展，使得液壓設備的故障係統複雜化和龐大化。液壓設備不僅有泄漏、腐蝕、液壓卡死等各種各樣的故障表現形式，而且需要監測的設備工作參數內容也是紛繁複雜。可以說，故障產生的因果關係非常複雜，故障發生的隨機性也相對分散，這給正確地診斷故障帶來很大的難度。顯然，用傳統單一信號的診斷方法已經得不到正確的故障原因。而多傳感器的信息融合技術的使用，可以對液壓設備的各個工作參數進行合理地融合，有效地獲得設備運行的狀態特征，從而對故障進行正確的判斷。
參考文獻
[1]陳昌斌.機械設備故障檢測診斷技術概述[J].中國水運（下半月），2012，（02）.
[2]趙永滿，梅衛江，吳疆，王春林.機械故障診斷技術發展及趨勢分析[J].機床與液壓，2013，（10）.
[3]李秋紅，李淨儀，謝劍，王麗君.機械故障診斷的研究與發展趨勢[J].農機使用與維修，2013，（02）.