电站辅机的状态监测与故障诊断对于保障电力生产的安全性、降低成本提升效益经济性具有重要意义,本文选取了电站辅机中MPS中速磨煤机为例,研究一种使用曲线相似度作为故障发生概率的信息融合故障诊断方法,特点是对故障辨识能力强,能够在短时间内诊断出故障的发生,从而及时提醒运行人员采取措施防止故障进一步发展、降低故障损失。本文对MPS中速磨煤机各类状态监测参数和常见的故障类型进行研究总结,分析各不同故障发生的原因,故障发展过程中相关参数的变化情况,以及对故障进行处理的一般方法,为下文选取用以故障诊断的状态监测参数提供理论基础。然后采集电站现场运行数据,对MPS中速磨煤机进行机理与数据结合建模,使用遗传算法辨识模型未知系数,建立磨煤机模型,并使用模型输出数据对比现场数据,验证模型的准确性,表明所建立的磨煤机模型能够很好的体现其动态特性且具有良好的一致性。在建模的基础上,模型加入PID控制器,进行故障模拟仿真,共模拟三种类型的故障:磨断煤,磨满煤,磨自燃。通过研究各类参数变化情况,表明模型在模拟故障时是准确有效的,并且能够体现各参数变化特性,所得参数变化趋势能够作为故障诊断的典型样本。故障模拟仿真表明不同故障发生时,各状态监测参数之间的变化情况蕴含着足够多的故障信息。提出将故障诊断问题转化为在相同时间尺度下,比较现场数据曲线与故障发生时的典型曲线之间相似度的问题。首先提出曲线相似度包括两方面内容:曲线的变化趋势和曲线之间的距离。使用皮尔逊相关系数表征曲线变化趋势方面的特质,使用基于正态分布概率函数形式的可信度函数衡量相同时间刻度下典型样本曲线和现场数据之间的距离,然后综合两者进行相似度函数的求取。在将各类参数变化情况通过相似度函数计算转化为概率层面表达后,使用DS证据理论进行多证据融合故障诊断,并通过现场断煤故障发生时的数据进行了算法验证,表明相似度函数的合理可行性,准确性以及高灵敏度、高分辨率,能够在故障早期发现故障的发生,及时预警。本文研究方法属于通用性方法,可扩展性强。