烟气轮机机组是炼油厂催化裂化装置中的大型旋转机械，保障烟气轮机的安全可靠运行，实现科学维护十分重要，因此对其进行故障诊断具有重要的意义。目前，信息融合技术作为故障诊断的一种新的研究方法正在发挥着越来越重要的作用。　　 提出了基于BP神经网络与D-S证据理论相结合的信息融合方法，该方法结合了两者的优点，神经网络可以获得基本概率赋值，起到领域专家的作用，并且经过神经网络处理的数据，可近似认为数据间是相互独立的，可弥补D-S证据理论的不足，另外，D-S证据理论可缩短BP网络训练的时间，同时也可使神经网络结构变得透明。　　 利用MATLAB设计了BP神经网络程序用于网络训练，并编制了基于c＃的D-S理论算法程序，用于数据处理。　　 以本特利RK4型转子实验台为应用对象，设计了转子不平衡和转子不对中两种典型故障并进行融合方法的实验验证，试验结果表明采用该诊断方法可以得到较好的诊断效果。　　 在分析目前国内外烟气轮机故障诊断方法研究和应用现状的基础上，介绍了烟气轮机传统的故障诊断方法，论述了故障产生的原因及故障类型。以燕山石化炼油厂三催化车间103烟机为工业现场实际对象，对催化剂粘结和转子不平衡两种常见故障进行了诊断，结果表明基于BP神经网络与D-S证据理论相结合的信息融合诊断方法诊断精度较高，效果比较理想。最后提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。