在此基礎上，重點介紹了網絡的設計和專家經驗知識的應用。仿真結果表明，該診斷方法是有效的。目前，我國電力工業已進入大型電網和大型發電機出租組的發展階段。300600MW發電機組已成為電網的主體機組。為防止大容量發電機運行事故的發生，一方面要解決發電機設計制造過程的質量問題，另一方面要提高運行維護水平，提高機組安裝維護質量，在線監測診斷。

　　應開發旨在消除發電機潛在故障、防止突發事故和減少事故損失的現場監視技術。技術的研究是必要的，目前我國已經研制出一些裝置，如過熱報警、射頻監測儀、漏氫濕度監測儀、無刷勵磁發電機轉子電流和溫度監測儀等，這些裝置起著非常重要的作用，但這些裝置往往在運行中不易損壞。引人注目地有些設備的輸出數據只能顯示電機各部分潛在故障的間接信息，而另一些設備則很難顯示。

　　確定操作的安全限制-由于有許多保護裝置，當參數越界時很難處理警報，而且由于大量信息可能不完整、不準確，甚至相互矛盾，決策者的輕微疏忽或延遲可能會造成重大的經濟損失。因此，有必要對這些信息進行自動綜合處理，研究發電機出租的在線監測數據。融合技術的目的是將信息融合技術應用于工業測控領域，確保機組的安全、穩定、經濟運行。1。數據融合技術在發電機故障診斷中的應用。租用同步發電機是產生電能的基本設備，也是電網的核心。其運行可靠性直接影響電網的運行和能否安全、經濟地向用戶供電。對于發電機來說，不僅要在設計和制造階段提高產品的質量和可靠性，而且在并網運行后實現在線監測和診斷已成為亟待解決的問題。其主要目的是檢查發電機初始階段的缺陷，以便有計劃地安排維護，減少強迫停機次數，避免事故發生；同時延長發電機的平均無故障時間，縮短平均維修時間，降低維護成本，提高AV發電機故障。

　　為了保證發電機的安全可靠運行，近幾十年來世界上一些國家開展了在線監測診斷技術研究，并逐步推廣應用。自20世紀80年代以來，發電機故障監測與診斷一直是SC-11（旋轉電機）委員會在國際大電網會議（CIGRE）年會上的中心議題之一，近年來，基于數據融合技術的專家診斷系統得到了研究和應用，使診斷技術得到了發展。ELOP到更高級別。