信息融合是近年来新兴起的一门学科,它将来自多传感器采集到信息进行综合分析处理,进而做出正确的判断和估计,因此人们将其广泛的应用到很多领域中。在管道泄漏故障诊断中,反映系统运行状态的的信息很多,只有充分利用这些有用信息才能很好的提高故障诊断的精度和准确度,在此基础上提出了一种多传感器故障诊断融合系统模型,并将其应用到管道泄漏故障诊断中。本文首先对管道泄漏故障诊断机理加以分析研究,并简单介绍了一下实验装置的设计,该装置可以实现管道压力数据的采集。在此基础上,本文通过小波包变换来实现对压力信号的除噪和故障特征向量的提取,并且从“能量—故障识别”的角度来构造管道泄漏压力信号的特征向量,进而为后续的神经网络信息融合故障诊断方法的学习奠定了基础。本文详细介绍神经网络的结构和学习算法,并将此应用于故障诊断中,通过分析它在故障诊断过程中存在的优势和不足,提出并建立一种新的融合故障诊断模型,将模糊技术融合到神经网络中,该融合诊断模型主要是特征级的融合诊断。在此基础上,为了提高网络的性能和速度,提出了一种改进的模糊神经网络结构及构建了相应的故障诊断融合模型框架,用于复杂系统的故障诊断时,可以解决“维数爆炸”问题,最终达到提高诊断精度的目的。将其应用到输油管道泄漏故障诊断中,分别对管道正常、泄漏、调泵三种故障模式进行识别,通过对实验装置采集的带有故障信息的压力信号进行MATLAB仿真实验,结果表明和一般的神经网络故障诊断方法相比,诊断精度得到很大的提高,从而验证了该方法的有效性和可行性。本文只是对一些理论知识进行基础研究和算法分析,因此还需要不断地测试和完善,才能应用于实际系统的故障诊断中。