摘要：本文针对矿井提升机故障诊断方法存在的局限性，运用了一种基于多传感器信息融合的智能故障诊断方法。该方法采用D-S证据理论决策级融合进行故障识别，利用统计证据获得基本概率赋值。通过一实例论证了在矿井提升机故障诊断中，采用此方法比单传感器信息故障诊断方法更具有优越性。
关键词：信息融合；故障诊断；统计证据
0引言
设备故障是指“设备功能失常”，也就是设备不能达到预期的工作状态，无法满足应有的性能、功能。设备故障诊断技术是近40年来发展起来的适应工程实际需要而形成的一门综合学科，是各学科交叉发展的必然，由此获取的经济效益十分显著。
所谓多传感器信息融合是对来自多个传感器的信息进行多级别、多方面的处理，从而导出新的、有意义的信息，而这种新信息是任何单一传感器所无法获得的，它表示了被检测目标对象的行为。通过多传感器信息融合，可以扩大时空覆盖范围，增加置信度，改善检测系统的可靠性。
本文研究基于统计证据获得基本概率赋值，利用基于基本概率赋值的D-S证据理论决策级融合方式，对矿井提升机的故障进行识别。
1多传感器数据融合算法
将D-S证据理论应用于多传感器数据融合时，从传感器获得的相关数值就是该理论中的证据，它可构成待识别目标模式的信度函数分配，表示每一个目标模式假设的可信程度，每一传感器形成一个证据组。多传感器数据融合就是通过联合规则联合几个证据组形成一个新的综合的证据组，用联合规则联合每个传感器的信度函数分配形成融合的信度函数分配，从而为目标模式的决策提供综合准确的证据。
1.1D-S证据理论基本概念
证据理论是由Dempster在1967年最初提出的，他用多值映射得出了概率的上下界，后来由Shafer在1976年推广并形成证据推理，因此又称为Dempster-Shafer理论。设U表示X所有可能取值的一个论域集合，且所有在U内的元素间是互不相容的，则称U为X的识别框架。
U可以有限也可以无限，在专家系统的应用中是有限的。