水轮机调速器是水轮发电机组进行负荷和频率调节的重要部分,水轮机调速器的是否正常运行严重影响着发电机系统乃至整个电网系统的安全、优质和经济运行。所以,对水轮机调速器实现状态检修是充分发挥水电厂效益的重要因素。为实现系统的“状态检修”这一目标,必须对系统进行故障诊断和状态评估。因此,状态监测与故障诊断是状态检修的核心问题,是从本质上实现状态检修的主要技术保障,先进的监测、诊断、分析技术是实施状态检修的必要手段。所以,要完善状态检修工作,必须加强对状态检修工作中的状态监测与故障诊断技术的组织、改进等工作的研究。本文首先介绍了设备状态监测与故障诊断的内涵,分析了国内外状态监测与故障诊断技术的研究状况。人工智能理论和计算机的发展为基于参数的状态监测和故障诊断方法提供了重要的先决条件。人工神经网络已经成为当前故障智能诊断的主要方法之一,其中应用最多的是前向多层网络,在学习过程中采用了BP算法进行模糊推理诊断。然后本文重点研究了如何应用BP神经网络理论实现对水轮机调速器的状态识别问题。本论文对BP神经网络理论的基本原理和学习算法进行了深入研究,并且在对水轮机调速器各部分结构和功能进行分析的基础上,提出了一种基于参数的水轮机调速器状态监测和故障诊断方法。尤其是对接力器反应时间常数的辨识,解决了水轮机调速器测试装置中的一个难题。本文论述的主要工作有,设计出了基于BP人工神经网络的水轮机调速器状态辨识实现模型,提出了总体设计方案。解决了状态监测与故障诊断中的一系列数据处理技术。然后根据本课题的实际情况设计出了易收敛、训练速度快的BP神经网络模型。最后,利用MATLAB神经网络工具箱函数给出了具体的实现方法和仿真结果。