D-S证据理论作为一种非精确推理算法具有独特的优势，非常适用于存在大量不确定性因素的电机故障诊断工作。提取故障电机的状态特征量，并将其按时域、频域、奇异值分解为多个子参数空间。在此基础上，采用并行BP神经网络及模糊聚类系统对电机故障进行局部诊断。将每个局部诊断结果作为独立的证据体，构造相应的信度分配函数。结合电机故障的信息融合诊断模型，将基于D-S证据理论的决策融合的方法应用于电机故障诊断。通过对案例进行分析，实现了利用多证据体的融合信息对电机故障状态进行诊断，其诊断结果验证了D-S证据理论在提高电机故障诊断的准确性和灵敏性方面的作用。