涡轮增压器是列车的关键部件之一，在实际运行当中，增压器出现故障是造成机破、临修的主要原因之一，轻则影响乘客的旅行，使列车晚点，耽误其它列车的行程，重则出现交通事故，造成车毁人亡。因此，对机车涡轮增压器故障诊断系统的研制具有重要意义，而涡轮增压器属于典型的旋转机械，其主要故障源于转动部件——转子系统，所以涡轮增压器故障诊断集中于转子系统。　　首先，总结了故障诊断方法的国内外研究现状，实际拆卸列车涡轮增压器，并进行三维建模工作，进而了解增压器结构及工作原理。归纳涡轮增压器的故障现象及原因，并具体分析转子系统故障。同时，总结振动分析方法，重点研究经验模态分解(Empirical Mode Decomposition，EMD)理论，并针对仿真数据进行特征提取。　　其次，提出削弱噪声信号及野值干扰的改进的模糊支持向量机(Fuzzy Support Vector Machine，FSVM)模型。利用粒子群优化算法(Particle Swarm Optimization，PSO)优化模糊C均值聚类(Fuzzy C-Means clustering，FCM)求解样本模糊隶属度，即对传统的FSVM求解隶属度的方法进行改进，进而得到新的FSVM模型。通过EMD方法及时域统计参数、包络分解方法等处理分析仿真数据，提取故障特征，进而验证改进的FSVM的优越性。然后，通过涡轮增压器转子系统实验，对比不同算法的诊断效果，验证改进的FSVM在涡轮增压器故障诊断中的实用性。　　最后，通过LabVIEW与MATLAB混合编程，结合Access数据库，设计并开发机车涡轮增压器故障诊断系统。软件内部嵌入支持向量机(Support Vector Machine，SVM)、FSVM、改进的FSVM等故障诊断算法，以及一些特征提取方法。基于开发的软件系统，可以对涡轮增压器转子系统故障以及仿真数据进行有效分析及诊断。