汽轮机是火力发电厂三大主力设备之一,一旦出现故障,将会给电力生产带来很严重的经济损失。汽轮机故障中,尤其以振动为征象发生的事故所占的比例最大,因此可以把振动作为设备安全评估的重要指标。一台机组正常运行,其振动值和振动变化应该是比较小的。一旦机组振动值变大,或振动变得不稳定,则说明了设备出现了一定程度的故障。最近几年来,人工神经网络方面的研究发展很快,几乎涉及了所有领域,其中也包括在汽轮机等机械装置的故障诊断方面的应用。论文综述了汽轮机振动及神经网络研究的发展、现状、目的和成就。从理论基础上阐述了汽轮机振动故障的类型、引起的原因及对应的故障特征,强调了人工神经网络应用于振动故障诊断的模型和方法。引起汽轮机振动的原因有数十种,根据实际的试验条件,选择了转子质量不平衡、不对中、径向摩碰、油膜涡动4种故障,利用轴系振动仿真测试装置,各组织了二十组相关模型试验,获得了相应的时域和频域特性曲线,结合振动基本理论进行了研究分析给出了结论。作为论文的第二个主要部分,在模型试验数据的基础上,建立了带反弹的误差反向传播前馈人工神经网络模型(RBP)和径向基函数人工神经网络模型(RBF),利用MATLAB R2007的工具箱,对这两个模型分别进行了训练和检验的仿真试验,同时也对两个模型进行了比较。MATLAB仿真试验结果表明,两个模型训练时收敛得得都很快,并都成功诊断出了故障,都具有泛化能力,但RBF模型在稳定性方面优于RBP模型。