多源信息融合技术已经在诸多领域中得到了应用,但是目前多源信息融合正面临着日渐突出的信息类型不一致问题。传统的数据融合方法在处理异类信息问题时缺乏有力的数学基础,无法有效的进行综合分析与评判。本文针对多源信息融合中异类信息无法统一表示与融合的问题,提出一种利用随机集理论解决异类信息表示与融合的方法。论文在介绍了随机集基本理论与传统D-S证据理论、模糊集方法相互转化关系的基础上,针对状态监测与故障诊断领域中存在的异类信息问题提出一种利用随机集理论解决该问题的方法：首先,采用多个传感器对影响被诊断对象状态的某一属性进行监测,并引入全局传感器的概念对传感器数据进行综合表示,利用随机集运算拟合全局传感器测量值并采用似然测度方法得到传感器数据在随机集框架下的基本概率分配；其次,引入专家权值的概念来描述专家的可信程度,利用随机集理论分别对专家集合与专家意见集合进行表示,采用相应随机集运算的方法得到专家主观意见的基本概率分配；最后,将传感器信息与专家意见这两部分异类信息在随机集框架下进行统一的融合处理并得到最终的诊断结果。本文利用仿真实验结合Matlab进行数据处理,详细叙述所提出方法在实际中对传感器数据及专家意见两种异类信息的处理及融合过程。实验结果表明本文提出方法可以减小传感器数据的不确定区间、提高匹配时的精度,从而得到更加准确的基本概率分配值；并能将传感器数据与专家意见进行统一融合处理,由此说明了本文提出的方法在处理状态监测与故障诊断中异类信息问题时的有效性。