在Dempster-Shafer证据理论的实际应用中,对于不确定性冲突信息的融合方法尚不完善,主要体现在：如何更有效地描述信息的不确定性,并进行信息来源可靠性的有效判定；如何在多源证据体之间存在冲突的情况下更有效地表达证据体之间的冲突程度,并对经典Dempster证据组合规则的适用性进行有效评价；以及如何更有效地解决Dempster证据组合规则的反直观合成结果,并提高不确定性信息融合的有效性和实用性,这些问题在设备故障诊断、图像处理、智能交通管制等其他领域具有重要的实际应用价值和理论研究价值。论文的主要工作包括如下几方面内容：(1)提出了基于组合总不确定度的信息不确定性描述方法及其证据融合方法在分析证据理论中的几种测度函数均对信息不确定性的描述不够完整的基础上,提出了两条证据体在笛卡尔乘积上的不确定性程度,即组合总不确定度,表示了证据源在笛卡尔乘积上的总体的不确定性程度,论证了证据体的总不确定度作为不确定性测度函数能够满足概率一致性、集合一致性、测度函数值的范围、次可加性和相加性等5个条件。由各证据体的总不确定度可以判定不确定性信息来源的可靠性。本文在最大熵原理和修改证据源的加权平均法的基础上,提出了基于信息组合总不确定度的改进证据组合方法,利用各证据体的总不确定度与在笛卡尔乘积上的组合总不确定度的比值求出修正证据体的权重,采用经典Dempster组合规则对加权平均后证据体进行融合。通过数值算例对几种常用的改进组合方法和本文提出的方法的比较分析,论证了本文所提出的改进方法的有效性。(2)提出了基于支持概率函数的新的证据距离函数,将其与经典冲突系数相结合,给出了评价Dempster组合规则适用性的新方法为了克服Jousselme距离函数和Pignistic概率距离函数等常用的证据距离函数的应用局限性,提高证据体之间距离衡量的准确性,首先提出了新的支持概率函数概念,同时给出了该函数在数学上的含义和性质。通过该函数和Pignistic概率的对比过程,深入分析了支持概率函数的特点,用数值算例分析了某一焦元被赋予的支持概率函数值在两条证据体中的差值可以表达两条证据体之间的距离。在此基础上,提出了新的证据距离函数,即支持概率距离。同时,将新的距离函数与经典冲突系数相结合,给出了一种对Dempster组合规则适用性的评价方法。通过数值算例的分析对比,论证了该评价方法具有更好的通用性和鲁棒性。(3)提出了一种基于支持概率距离的冲突证据组合方法针对冲突证据源的组合问题,提出了基于支持概率距离的证据组合方法：该方法首先基于证据体之间的支持概率距离给出了相似性测度；其次,得到了每个证据体被其他证据体所支持的支持测度；再次,由各证据体的支持测度确定了证据体的可信度；然后将证据体的可信度作为证据体的折扣率进行了对初始证据体的修正；最后利用Dempster组合规则进行了对被修正的证据体的合成。通过数值算例的分析对比,论证了该组合方法的应用有效性。(4)提出了一种基于支持概率距离的决策级融合故障诊断的新方法综合本文提出的证据体之间冲突衡量的新距离函数、评价经典组合规则的适用性的新方法和冲突证据源的改进组合方法,提出了基于决策级数据融合的故障诊断方法。该方法包含信息采集及处理、特征证据体的建立、冲突性判定以及融合、状态决策及干预等步骤。利用多功能柔性转子试验台对不平衡、机座松动故障进行模拟实验。实验结果表明：加速度传感器数据存在不确定信息时,经典证据组合方法无法得到正确的诊断结果。本文方法可以有效地合成冲突的特征证据源,分析结果与实际工况相符,与现有的改进方法相比,分析结果对实际工况的置信度更高,收敛速度更快。