电力工业在国民经济的发展中起着非常重要的作用,它与国计民生息息相关,同时也是世界各国经济发展的重点产业。随着现代化生产的高速发展以及对电的需求量的扩大,整个电力工业必将也会有一个持续的稳定的发展。汽轮机是电力工业的主要设备,结构复杂、工作环境恶劣,难免会发生一些故障。为了提高汽轮机的生产效率、保证机组的安全运行,对汽轮机组的状态监测和故障诊断就变得越来越重要。论文首先研究了汽轮机组振动监测与故障诊断技术的相关理论知识,阐述了流形学习的发展和应用现状,对常见的故障诊断方法进行了总结和比较；并且论文详细描述了拉普拉斯特征映射、等距映射和局部线性嵌入等三种典型的流形学习算法,并通过比较得出局部线性嵌入算法较其他两种算法更简单,准确率更高；论文还分析了线性可分支持向量机和线性不可分支持向量机的分类原理,比较了经过流行学习特征提取后的样本与经过小波包分析特征提取后的样本,再经过支持向量机分类器进行诊断,且最终前者的诊断准确率较高；论文最后引入了虚拟仪器的概念,然后在LabVIEW软件的基础上编写汽轮机组振动监测及分析的系统,实现了信号的采集和对信号进行在线及离线的振动分析功能。