本课题首次将高斯混合模型理论应用于汽轮机转子振动故障诊断研究，通过实验计算，取得了较好的效果。　　 论文首先综述了国内外机械设备故障诊断的研究成果，总结了汽轮机故障诊断技术的研究现状与方法，论述了汽轮机故障诊断中存在的问题，在此基础上提出本课题的研究内容和方法。通过实验台模拟汽轮机转子不同转速下的四种常见故障，即不平衡、不对中、碰摩、轴承松动。将采集到的振动位移数据经过FFT变换的数据处理，进行波形分析与频谱分析。结果表明：不同类型的故障波形图混乱程度不同，且对应的频率成分和能量大小也不同，波形分析和频谱分析可以作为故障诊断的基础参考。　　 小波包分析能够将任何信号(平稳或非平稳)分解成一个由小波伸缩而成的基函数族，信息量完整无缺，通过对信号在不同尺度上的分解与重构，能得到原始信号在不同频段上分布的详细信息，以及信号发生突变的时间点。基于小波包分析的这种特性，将原始振动故障信号进行小波包分解与重构，去除干扰信号，提取所需要的部分，从而达到滤波的效果。　　 高斯混合模型是用多个单高斯密度函数的加权和来逼近特征矢量在特征空间的分布。将其应用于汽轮机转子振动故障诊断研究时，可利用小波包分析提取的特征序列进行聚类，计算各单高斯密度函数的均值向量及协方差矩阵，通过调整权值与模数，为每一种故障建立一个高斯混合模型。然后利用多组已知故障数据对模型进行检验，寻找故障识别正确率最高的模型为最优模型。　　 实验结果表明：小波包分析的方法有着很好的滤波和提取非平稳信号的能力；利用小波包分解重构后提取的汽轮机转子的振动时间序列建立高斯混合模型有较好的故障识别能力。