LM2500+型燃气轮机是20世纪60年代由美国通用电气公司（GE）研制成的航改型燃气轮机,在天然气输气管道上被广泛应用。燃气轮机的工作环境复杂严苛,极易发生故障,对生产运营造成重大影响。因此,对燃气轮机进行健康状态评价和故障诊断具有重要的意义。本文以天然气输气管道上的LM2500+SAC（Single Annual Combustor）型燃气轮机为研究对象,基于MATLAB平台,建立了LM2500+SAC型燃气轮机健康状态评价模型和故障诊断模型。首先,通过分析LM2500+SAC型燃气轮机的典型故障类型,确定故障判据和特征参数;燃气轮机健康状态评价模型运用灰色关联分析方法,计算灰色关联度,由此判断燃气轮机健康状态等级,并应用输气管道燃气轮机的现场运行数据对状态评价模型进行了验证,结果显示此台燃机状态等级分别为“故障”和“健康”,与实际情况相同,表明此模型的准确性;燃气轮机故障诊断模型应用BP（Back Propagation）神经网络、支持向量机和极限学习机三种人工智能机器学习算法,并分别进行测试,测试结果表明三种模型中,极限学习机模型的识别效果最好,进一步应用遗传算法对极限学习机模型进行优化,提高了其故障识别率,所以最终选用遗传算法优化后的极限学习机模型作为燃气轮机故障诊断模型,并应用输气管道现场燃气轮机故障数据对故障诊断模型进行了验证,预测结果为“动力涡轮故障”,与实际情况相同,表明此故障诊断模型的准确性,可以满足实际工程的需求。