核电发展始终要把安全运行放在第一位，测量系统作为核电站的一个基础性环节，直接关系到核电运行的稳定性，其可靠性评估研究对于核电站安全运行具有重要意义。　　本文在现有测量系统的基础上，结合被测系统的运行特性、被测对象各参数之间的耦合关系，采用数据融合及故障诊断算法，对核电站二回路测量系统的状态参数进行分析处理，提高参数的可靠性。　　论文以某压水堆核电站二回路测量系统为研究对象，针对其非线性、时变、强耦合、结构复杂，较难获得精确数学模型等特点，运用一种基于径向基神经网络的多传感器数据融合诊断理论，结合实际给水各信号参数之间的物理关系，获取冗余信息，采用两级决策策略建立故障信号的判断算法，其中第一级决策策略用于检测故障信号，第二级决策策略用于定位故障点并重构信号。　　针对神经网络数据融合诊断方法在处理大型数据矩阵时，存在计算量大、运行时间长等不足，运用基于主元分析的理论对其进行优化，对大型数据矩阵进行降维处理，分别利用统计量SPE和HotellingT2检测故障信号，利用贡献图确定故障源，有效降低了算法的复杂性，从而提高了诊断效率。　　以某压水堆核电站低压给水加热器系统、除氧器系统和高压给水加热器系统作为研究对象，本文分别模拟了三种不同形式的故障，分别是低加系统疏水流量值异常、除氧器系统抽汽流量信号恒增益失效和高加系统给水出口温度信号恒偏差失效故障。应用基于径向基神经网络的数据融合诊断方法对系统测量数据进行了可靠性评估分析，对正常数据和含故障的数据进行诊断，正确定位并识别了故障数据，验证了所推导算法的正确性。此外，本文应用基于主元分析的测量数据融合诊断方法对神经网络算法进行优化，并利用算例验证了优化后的算法对不同形式的故障信号具有快速性识别的效果。