随着科技与制造业的不断进步,现代工业设备正朝着大型化、自动化和信息化方向发展,其结构越发复杂,系统零部件众多,加上工作环境恶劣,其发生故障的频率也显著增高。离心风机作为重要的旋转机械,广泛应用于建筑、化工、能源等行业,其结构复杂、故障类型多、维修周期长,实现离心风机的智能故障诊断与趋势预测具有重要意义。随着传感器与大数据技术的发展,机械设备运行过程中包含大量的监测数据,通过挖掘多源传感器数据的故障信息可为实现关键设备的诊断及趋势预测提供一个有效的途径。本文结合重庆市技术创新与应用示范专项重点示范项目“基于大数据智能化的高端透平装备远程运维服务平台开发与应用示范”,对基于多源信息融合的离心风机故障诊断与趋势预测方法及系统展开了研究。首先,系统地分析离心风机的多源传感器信息组成,根据多源信息的特点构建一种数据层与特征层相结合的多级信息融合框架;在运用多源信息的基础上建立基于自适应深度卷积神经网络的离心风机故障诊断模型,利用10折交叉验证技术和两种模型评价指标（Accuracy,F1-score）对模型进行评价。其次,采用稀疏自编码实现离心风机多源信息的特征融合,通过计算网络重构值与输入值的差异程度构建离心风机的故障趋势预测健康指标;在运用多源信息的基础上建立基于长短时记忆网络的离心风机故障趋势预测模型,应用四种模型评价指标（RMSE、MAE、MAPE、R~2）对模型进行评价。再次,开发相应的透平装备远程运维系统;提出系统的总体框架和工作流程,阐述系统的应用环境及配置,详细介绍系统的运行状态模块、故障诊断模块、故障趋势预测模块和历史查询等软件功能模块的实现过程及功能界面。最后,结合应用案例分别对所提出的基于多源信息融合的离心风机故障诊断与趋势预测方法进行分析,并与不同的单一信号及诊断、趋势预测方法进行对比,以验证所提方法的有效性和优越性。