本文以机械设备故障诊断为研究对象。在对国内外研究现状进行深入分析的基础上，给出一种基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法，并进行了转子系统故障诊断的实验。 首先从机械故障的定义和特点开始，分析了机械故障诊断的复杂性和必要性。回顾了传统的机械故障诊断的方法以及其优缺点，说明在日趋复杂的机械系统中急待于新的诊断方法的研究和应用。 其次，从神经元结构模型和传递函数入手，详细的分析了神经网络结构和函数映射、BP神经网络的特点，说明了神经网络应用于故障诊断的可能性。选用了改进的BP算法中的动量学算法，弥补了传统的BP算法的缺陷，利用Matlab软件进行了单子神经网络故障诊断的仿真实验。从D-S证据理论的基本概念和合成规则入手，分析了证据理论应用于信息融合的有效性，并用算例分析了证据理论对证据可信度的累计作用。 最后，本文设计了一个基于神经网络和D-S证据理论的信息融合故障诊断方法，从待诊断系统的所获信息的特点入手，划分出三个故障特征征兆域，分设三个子神经网络分别对系统进行初步诊断，然后将诊断结果转化为基本概率赋值再利用D-S证据理论分别进行时间域和空间域的信息融合。最后进行了仿真实验，故障诊断的准确度得到了提高，验证了该诊断方法的可行性和有效性。