在工业生产过程中,为了充分利用设备,人们总希望能够实现设备故障的早期预报。随着设备向着高速度、高功率、高可靠性的方向发展,使得传统的故障诊断技术难以满足复杂设备的要求。本文基于上述考虑,将信息融合技术引入齿轮箱故障诊断领域,来解决齿轮箱故障诊断问题。本文以齿轮箱故障诊断为研究对象,在对国内外研究现状进行分析的基础上,给出了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,并进行了验证。首先在分析了传统的齿轮箱故障诊断的方法和特点的基础上,说明了研究应用新的诊断方法的必要性。其次,详细分析了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。研究了基于BP神经网络的故障诊断方法,给出一种变学习率和附加动量相结合的改进算法,加快了网络的收敛速度,结果表明利用神经网络信息融合进行故障诊断是一种有效的方法。针对故障诊断中的不确定性,提出了基于D-S证据理论的决策融合,简要介绍了D-S证据理论的基本概念,并结合算例进行了分析。最后,提出了BP神经网络和D-S证据理论相结合的综合诊断方法,通过实验验证了这种方法的可行性和有效性。