电力工业的迅速发展，对汽轮发电机组状态监测和故障诊断技术提出了高的要求。本文就汽轮机组振动故障模拟，振动故障信号的故障特征提取和故障类型识别等方面展开了研究，并取得了一定的成果。分析了汽轮机的典型振动故障及成因，利用ZT-3型转子试验台模拟了转子的振动故障并采集了振动信号，研究了振动故障信号的特征提取方法，采用局部线性嵌入(LLE)、等距映射(ISOMAP)和局部保持投影(LPP)等流形学习算法对转子不对中、不对中加松动和不平衡等故障的特征进行了提取。将人工智能领域中的人工神经网络(ANN)和统计学习理论中的支撑向量机(SVM)应用于汽轮机振动故障的诊断，实现了故障类型的智能识别。分析了LLE、ISOMAP和LPP等流形学习方法提取数据特征的基本原理，论述了这些方法用于振动故障信号特征提取的可行性，解决了在训练分类网络模型时的维数灾难问题。本文采用了“原始信号—构造特征矩阵—特征提取—模式识别”的故障诊断模式，采用流形学习方法进行特征提取，使用云神经网络和支持向量机完成模式识别。本文提出了基于局部线性嵌入和云神经网的振动故障诊断方法，基于ISOMAP和SVM的振动故障诊断方法以及基于LPP和SVM的故障诊断方法。结果表明这些方法可以用于汽轮机振动故障诊断，其中以基于LPP和SVM的故障诊断方法的诊断效果最佳。