旋转机械是现代工业生产的关键设备，正朝着人型化、高速化和自动化的方向发展。若发生故障将造成巨人的经济损失甚至人员伤亡，因此，有必要在旋转机械中布置大量的传感器进行状态监测，实现故障的预防和识别。旋转机械状态监测和故障识别是一个系统工程，涉及传感器的选择和安装、信号的采集以及信息的有效提取和综合利用。 本文首先简要分析旋转机械状态监测传感器，主要是振动传感器的类型和选择方式。随后从转子-轴承系统的结构出发，分析油膜系数对转子振动特性的影响，提出振动传感器径向位置的选择策略。根据转子响应中模态叠加法的基本理论，阐述了依据工作转速和主要振型进行振动传感器轴向位置选择的方法，并列举实例进行说明。另外，还分析了联轴节对多跨转子系统动态振动特性的影响，提出刚性联轴节连接状态下和挠性联轴节连接状态下振动传感器布置方案。 其次，研究旋转机械中基于信息融合的故障识别方法。针对缓变信号多传感器数据级融合中，恒窗长方差估计算法对噪声变化跟踪能力不强的缺点，提出了一种根据噪声变化自适应调整窗长的方差估计算法。给出了对方差估计曲线突变段的寻找方式以及自适应窗长的选择策略。快变信号（主要是振动信号）的特征级和决策级融合中，先考虑每个测点时间尺度上的融合，再综合不同的振动测点信息在空间尺度上进行融合。单传感器时间尺度的融合中，提出基于奇异谱熵、功率谱熵和近似熵三种熵度量的约简方法对振动信号特征进行提取和约简，一方面大大减少了信号的特征数目，另一方面可以全面挖掘和提取信号的深层信息。在此基础上，进一步研究分级概率神经网络在多传感器信息融合系统中的应用。 最后，应用文中提出的状态监测传感器布置策略在转子实验台上进行了不平衡、碰摩和不对中三种故障实验，得到大量故障数据。将前文提出的信息融合结构和方法用在转子实验台的故障分类和识别中，有效的提高了识别精度，具有较好的适用性。