燃气轮机在能源,电力,军事领域正发挥着越来越重要的作用。但是燃气轮机由于其复杂原因在运行工程中会存在各种故障,而没有计划的停机将带来巨大的经济损失。因此在发生重大的事故之前,能够监测燃气轮机中的一些不正常现象,将具有重大的意义。压气机的喘振是燃气轮机运行中一个较为常见的故障,压气机喘振是气流沿压气机轴线方向发生的低频率(通常只有几赫兹或十几赫兹),高振幅(强烈的压强和气流波动)的气流振荡现象。一旦出现喘振,发动机音调低而沉闷,并伴有非常强烈的机械振动,轻则造成燃机特性的急剧恶化,重则导致燃机熄火甚至于叶片断裂而致使整台燃气轮机遭受严重破坏。因此对喘振的监测和故障诊断显得尤为重要。本文主要对压气机喘振的监控和故障诊断进行实验研究,并对不同传感器在压气机喘振时的时域和频域信号进行对比分析。压气机喘振实验台由离心式压气机,变速齿轮箱,三相异步电机组成。在实验中,通过改变电机频率调整压气机的转速和阀门开度调整压气机的工况。并根据压气机的特性曲线,调整压气机的工况,使压气机在不同工况下逼近压气机的喘振曲线。本文在数据分析中选择了五个不同工况下的喘振信号进行分析。本文针对采集的压力,振动,声音信号选择采用FFT以及小波分析作为信号处理的基本方法。采用FFT对频域以及功率谱,能量谱进行分析,运用小波变换来对局部的时域信号进行数据的降噪处理。本文通过对敲击的声音信号以及随机噪声背景下的周期声音信号进行分析,其结果表明对低频区域的声音信号使用db8系列的小波中的7层信号分解对去噪处理有着较好的效果。本文将压力,振动,声音信号在压气机喘振监测和诊断方面的优点和缺点进行比较。发现振动信号对于喘振的反应十分不明显。压力传感器无论在时域上的幅值还是频域上的特征频率都和压气机的运行参数,转速有着一定的关联。而声音信号比压力信号在幅值的变化更加明显,变化幅度更大,同时,声音信号的特征频率和转速的关系不大。所以声音信号要比压力和振动更适合作为压气机喘振的监控和检测信号。本文最后运用神经网络对声音的压气机喘振特征信号建立诊断系统,当压气机在正常的工况运行区时,网络的输出为1。但当压气机进入喘振区域时,网络的输出为0。为声音信号在压气机喘振的监测建立了一个有效的监测平台。