汽轮机组是电力系统中最重要的大型旋转机械设备,因其故障率高,诊断难度大,其运行状态的监测和故障诊断研究一直是工业故障诊断领域的研究热点。滚动轴承是汽轮机的核心零部件之一,也是故障率高发的部件,其工作状态是否正常直接关系到整台设备的性能,甚至影响整个电力系统的安全稳定。因此,本文以滚动轴承的状态监测与诊断为主要研究目标,从轴承振动信号特征提取入手,进行了一系列的研究工作。主要内容如下:1分析了汽轮机组转子和滚动轴承的振动机理,对诊断信息获取、故障特征提取和故障模式识别等方面的研究现状进行了阐述。2提出基于第二代小波分析的滚动轴承故障诊断方法。为解决分解信号的频率混叠问题,提出了基于尺度变换的冗余插值第二代小波能量特征提取方法,并采用希尔伯特振动分解方法对故障进行初步诊断。实验结果表明,该方法可准确提取故障特征频率并定位,避免了频率混叠。3为提高滚动轴承故障分类的准确率,本文提出了改进BP结合Elman神经网络的轴承故障诊断算法。算法首先采用BP网路对敏感特征量进行训练,有效降低了特征训练的计算复杂度;然后采用Elman神经网络对轴承不同损伤程度下的故障信号进行预测。实验结果表明,改进的BP和Elman神经网络的诊断方法可有效用于汽轮机组滚动轴承的故障诊断及前期故障预测,正确率较高。