旋转机械是现代工业生产的关键设备，向着高转速、高功率、高可靠性、大型化、可测试性的趋势发展，其运行状态监测与故障识别已成为企业保证安全生产和经济效益的前提。旋转机械状态监测和故障识别的研究涉及传感器选择和安装、信号采集以及信息的有效提取和综合利用。　　 本文首先对旋转机械的结构约束条件和振动特性进行了分析，给出了旋转机械上轴振传感器与瓦振传感器的布置方案。针对旋转机械振动信号的特性，提出基于相关熵与特征相似度的传感器冗余度计算方法，将其作为度量振动传感器信息间冗余性的指标。　　 其次，研究旋转机械中基于信息融合的故障识别方法。旋转机械振动信号的不同特征信息从不同方面反映了机械的运行状态，为综合利用振动信号各方面特征参数，提出传感器信息复用模型，提高了单传感器在故障识别中的可靠性。为全面分析旋转机械转子在截面内的振动情况、避免单源分析方法的缺陷，将转轴截面内两个通道信息进行融合，构成矢量振动信号，从而提出矢奇异谱熵、矢功率谱熵的概念，作为定量描述转子在截面内振动复杂性的特征值。联合全息小波能谱熵，结合模糊C均值聚类算法和DS证据理论，提出了基于矢量振动信号熵特征的信息融合方法应用于故障诊断中。在旋转机械单截面信息融合的基础上，提出了多截面、多传感器信息融合模型。　　 最后，在转子试验台上对旋转机械的几种典型故障进行了实验，利用故障数据以及某电厂汽轮机组实际监测的振动数据，将论文提出的信息融合结构和方法应用于故障分类和识别中，有效的提高了故障识别精度，具有较好的适用性。