1.一种基于数据融合的船舶电站故障诊断方法，其特征在于：多个传感器对故障信息参数分别进行监测，将监测到的数据整合进行第一级融合检测层数据，经过所述第一级融合的数据进行第二级融合，经过所述第二级融合的数据进行第三级融合，将三级融合后的数据与故障诊断知识库里匹配，输出故障诊断结果；

故障诊断方法步骤是：

a.所述 第一级融合采用自适应加权数据融合，对其n个传感器检测到的数据假设为 ，根据各个传感器所得到的数值以自适应的方式寻找其相应的权数因子W1、W2、…、Wn，通过自适应加权数据融合公式 ， ，得到融合后的估计值；

b.所述第二级融合采用改进的灰色优势分析，假设对各传感器每检测5次数值作为一组，每组检测融合后的值记为 ， ，，根据前四组数据 、 、 、 求出平均值 ，其中，定义 为参考时间序列，为与之比较的时间序列， ，则通过计算得出 与改进的灰色绝对关联度 ，其中， ，， ，

，

，

， ，

其中 均为灰色关联参数， 为灰色关联修正参数，根据改进的灰色关联矩阵 求出灰色关联比较参数， ，并求出灰色关联比较参数 中最小的比较参数 ，若，将第5组数据中的灰色关联比较参数代替第 组数据中的灰色关联比较参数，输出替代后的前四组数据的平均值 ，其中 ，否则输出 ，输出值就为第二级融合的融合结果；

c.所述第三级融合采用D-S证据理论，假设将所述第二级融合的融合结果每5个为一组，计算每组数据的信度函数 和似真度函数 ，定义基本概率值 ，识别框架 ，函数 ，根据 ， ， ， ，

其中 为命题 的基本可信度分配，表示对命题 的精确信任程度，是识别框架 上的信任函数，表示对命题 的所有子集的可能性度量之和，也是对命题 的总信任，

表示不能否认命题 的程度，选取各组数据的信度函数 中最接近似真度函数 的那个数据，即为最终的诊断数据。