磁悬浮轴承的应用，能够极大地提高旋转机械的工作效率，因此该技术的研究受到了国内外的高度重视。然而，磁悬浮轴承系统的电气和机械结构非常复杂，这就大大地增加了设备的维护难度。为了避免不必要的维护工作，提高故障诊断结果的可靠性，本文提出了一种基于信息融合技术的磁轴承转子故障诊断方法，并通过实例分析验证了该方法的可行性。　　本文首先通过分析磁轴承转子典型机械故障的振动机理，选择轴心轨迹和特征频段能量作为故障诊断的识别依据。经分析可知，轴心轨迹虽然包含丰富的故障信息，但是与故障之间并不存在唯一的对应关系，因此需要对磁轴承转子的振动信号做进一步的分析处理。然后，采用信息融合技术对故障类型进行准确的识别诊断。信息融合过程包含检测层、特征层和决策层三个层次。检测层的数据融合采用了基于小波分析的加权算法，与传统的平均加权算法相比，该方法能够综合利用了多路振动信号，并抑制了噪声干扰。特征层以希尔伯特-黄变换(HHT)分析法为基础，对边际谱进行特征频段能量的计算;采用BP神经网络对磁轴承转子故障类型进行特征层的识别诊断。决策层采用经典的D-S证据理论，对特征层获得的多个诊断结果做决策融合处理，最终确定磁轴承转子的故障类型;与特征层的诊断结果相比，有效地提高了故障诊断结果的可靠性。最后，基于LabVIEW软件实现了整体方案，设计了磁轴承转子故障分析监测平台。通过处理三个层次的数据得出相应结论并统一显示，生成故障分析报告。实验结果表明该平台运行稳定可靠，能够对磁轴承转子故障进行有效地诊断。