1.基于调和贴近度和DS证据理论相结合的故障诊断决策融合方法，其特征在于，包括：根据正态分布隶属函数获得各故障特征子集的贴近度；

获取每个所述故障特征子集对各节点的调和平均数；

根据所述各故障特征子集的贴近度和所述调和平均数得到对应的故障特征子集权重；

选取所述故障特征子集权重最大值作为规则化修正标准，修正所述各故障特征子集权重；

根据修正后的各故障特征子集权重，重新获取基本概率分配函数BPA；

利用DS组合规则对所述基本概率分配函数BPA进行决策融合，得到最终的故障诊断结果；

所述正态分布隶属度函数为：

其中，函数xi(k)表示命题的BPA函数mi(θk)，E表示均值，D表示均方差；

所以故障特征子集贴近度pi(k)表示为：其中，

所述调和平均数BH(k)为：

根据所述各故障特征子集的贴近度pi(k)和所述调和平均数BH(k)，得到对应的故障特征子集权重：wi(θk)＝pi(k)×BH(k)                (4)。

2.根据权利要求1所述基于调和贴近度和DS证据理论相结合的故障诊断决策融合方法，其特征在于，选取所述故障特征子集权重最大值max(wi(θk)),1≤i≤n，作为规则化修正标准，修正所述各故障特征子集权重w′i(θk)为：

3.根据权利要求2所述基于调和贴近度和DS证据理论相结合的故障诊断决策融合方法，其特征在于，令θ表示未知识别类型，加入识别框架中，根据修正后的各故障特征子集权重，重新获取基本概率分配函数BPA，其新获取的基本概率分配函数BPA计算方法如下：其中，Θ表示全集。

4.根据权利要求3所述基于调和贴近度和DS证据理论相结合的故障诊断决策融合方法，其特征在于，所述DS组合规则如下：其中， K为冲突因子，用来反映故障特征子集之间的冲突程度；若K＝1，表示两个故障特征子集完全冲突，DS组合规则没有任何意义；若0＜K＜

1，表示两个故障特征子集并不是完全冲突，用该DS组合规则来处理基本概率分配函数BPA。