现在大部分火电厂的汽轮机都具有高参数和大容量的特点,但在运行时也容易引起汽轮机通流部分发生故障,所以为了保证机组的安全与经济运行,对其进行故障的监测与诊断很有必要。本文通过对SOM神经网络、BP神经网络、模糊理论、粗糙集理论、以及支持向量机等智能方法的分析,并结合各种理论技术的优势,对汽轮机通流部分故障诊断做了一些研究,主要完成了以下几方面的工作:(1)在国内外汽轮机通流部分故障诊断研究的基础上,分析了其故障诊断机理,对故障产生的原因、预防措施及其影响进行了概括,总结了汽轮机通流部分的常见故障与故障征兆之间的关系,建立了通流部分故障诊断知识库。(2)由于汽轮机通流部分故障的复杂性,故障之间耦合性强,故障征兆之间也存在模糊性,引入模糊理论的概念,建立了模糊SOM神经网络和SOM-BP复合神经网络模型,进行了汽轮机通流部分故障诊断。(3)针对故障数据存在冗余信息的特点,利用粗糙集理论中属性约简的概念对汽轮机通流部分结垢数据进行预处理,并采用支持向量机分类的方法,对调节阀门结垢、调节级结垢、高压缸级组结垢、低压缸级组结垢故障进行了诊断。