由于科学技术的飞速发展和现代化生产的快速进步，各个领域都在呈现向大型化、复杂化、高速化和智能化方向发展的新趋势，系统间各个部分的联系日益紧密，一旦发生故障，若不及时排查解决，可能会引发更多的故障发生，进而影响工业生产的正常进行，带来巨大的经济损失甚至较为严重的人员伤亡。此外，由于发生故障时的影响因素众多，单一传感器获得的信息是片面的，不能提供系统运行过程中的完整的状态信息，进而使得仅依靠单一传感器信息来识别故障诊断的正确率不高;另外，由于不同的诊断算法的机理不同，以及先验知识的有限性，使得仅使用一种诊断算法难以对复杂故障做出全面的诊断。因此，需要综合利用多源故障信息对复杂工业过程进行全面而准确的故障诊断。本文采用多层次信息融合技术来进行故障诊断，首先在特征层利用不同诊断算法获得不同的初步诊断结果，然后在决策层用证据理论进行融合得到最终的诊断结果。
　　主要研究工作概括如下:
　　(1)由于故障模式复杂多样，其诊断模型不易获得，因此，主要研究了基于历史数据即可进行故障识别的机器学习算法，可以实现征兆空间到故障空间的非线性映射，避免了构建复杂的数学模型。应用BP神经网络、支持向量机与极限学习机建立轧制过程单故障诊断模型，获得初步诊断结果。考虑到轧制过程故障类型复杂，传统的两分类支持向量机对其并不适用，基于此研究了适合故障诊断特点的基于“一对一”策略的多分类支持向量机，并建立了后验概率输出模型;此外，由于支持向量机参数选取的不同会影响诊断结果，研究了基于网格搜索与交叉验证的支持向量机参数寻优方法。最后将基于BP神经网络、支持向量机与极限学习机的特征层初步诊断结果作为证据，为进行下一步的决策层融合推理提供依据。
　　(2)重点研究了基于第六类比例冲突分配规则(PCR6)理论的决策层单故障诊断方法。随着人们对故障系统研究的深入，可以获得的故障系统的先验知识越来越多，这些知识可以帮助人们进行更准确的故障诊断。PCR6相比于其他融合规则，可以很好地对先验知识产生的冲突进行合理分配。通过算例仿真发现其在处理单故障情况时存在主焦元不收敛现象，针对此现象提出了改进方法，并通过算例仿真验证其有效性。
　　(3)针对改进后的PCR6规则不能处理单故障有异常证据的现象提出聚类分层方法，采用基于传递闭包的模糊聚类和轮廓系数评价指标，衡量相似度时提出二元组冲突衡量方法，并通过算例仿真验证了该聚类方法的有效性及聚类分层处理单故障有异常证据的有效性。
　　(4)将上述方法应用到处理多故障的情况中，由于PCR6对于低冲突的主焦元不收敛现象及其在处理高冲突的有效性，即在处理单故障和多故障时要采用不同的决策层融合规则，针对此种现象提出基于证据聚类的最大值来决定采用何种融合规则，并在此基础上提出同时适用于单故障和多故障的框架，并通过算例仿真来验证此框架在处理单故障和多故障问题的有效性。