不确定性信息融合方法众多,本文重点研究了基于随机集的模糊理论、含糊理论、证据理论。模糊集就是对元素和集合之间的关系通过隶属度来进行刻画,是对普通集合论的推广；含糊集是通过真假隶属度函数来刻画元素和集合之间的关系。证据理论的核心思想是将不同的证据通过组合公式融合,融合结果是对对象的一致性描述。在使用证据理论的时候,会出现两个问题：第一,基本概率分配函数BPA (basic probability assignment)难以获取；第二,获取之后的证据出现高冲突,难以使用证据组合公式进行融合。针对上述两个问题,本文的主要研究成果如下：(1)、首先对信息融合技术的基本概念和基本理论进行介绍,并对故障诊断领域的不确定性进行了详细的分析；对模糊集、证据理论的随机集描述进行总结,并研究了含糊集的随机集描述；分析了风力发电机组常见的故障类型和传统的故障诊断方法,并对基于随机集的不确定性信息融合方法在风力发电机组的故障诊断应用进行了可行性分析探究。(2)、针对证据理论的基本概率分配函数难以获取的问题,提出了两种方法。第一种,在传感器信息采集的时候利用高斯隶属度函数来获取证据所需的BPA；第二种,基于随机集的含糊证据获取,利用含糊集的随机集描述,将故障待检模式和故障样本模式表示成随机集模型,并进行随机集的置信测度和似真测度的匹配,来获取BPA。通过实验验证这两种方法都能有效的获取证据组合所需要的基本概率分配函数。(3)、针对获取的证据存在高冲突,提出了两种方法。第一种修改证据源,基于证据支持矩阵特征权重的融合方法；该方法将引起证据冲突的距离函数和矛盾因子进行综合考虑,得到证据相互支持矩阵,然后求出矩阵的最大特征值对应的特征向量,归一化之后作为证据的权重；第二种是修正证据组合公式,定义泛化的集值映射,根据该集值映射,利用证据理论的随机集统一表示模型,建立新的证据组合公式。