以舰船为代表的现代动力装置——燃气轮机是一个典型的复杂机械系统，由于其工作状况极其恶劣，结构极其复杂，所以机械故障时常发生。例如，旋转部件的振动和摩擦后的磨损、发动机的气路部件的失效等，这些故障均可严重影响燃气轮机运行的可靠性、安全性和高效性。所以，为燃气轮机提供有力的技术支持，提高和完善发动机的状态检测和故障诊断技术对燃气轮机的发展具有重要意义。由于传统纸质装备故障维修手册存在着携带不便、查阅繁琐、存储困难、交互性差等诸多弊端。近年来，交互式电子技术手册（Interactive Electronic Technical Manual,IETM）的出现克服了纸质故障维修手册的缺点，成为现代装备保障的主流技术。IETM将纸质的说明、图像等技术保障信息转换为电子的视频、音频、图像等信息，而且可以通过人机交互方式进行故障准确定位。因此将涡轮机故障诊断维修技术与IETM相结合已成为燃气轮机发展与应用的重要课题之一。本文阐述了IETM系统的开发和关键技术，并以涡轮叶片故障诊断流程为例制作涡轮叶片故障树，并根据故障树结构编辑IETM故障隔离数据模块，最后实现了人机交互界面。本系统是采用IE浏览器作为IETM的阅读器并进行各种技术信息的管理和操作。通过人机交互界面，维修人员可以高效快捷的对故障进行定位，降低对涡轮机日常维护及维修的难度，而且可以提早发现机器的潜在隐患，急时处理；即能有效避免故障的发生，又能延长设备的使用寿命。本文研究了涡轮叶片温度特点，阐述了高压涡轮叶片温度分割方法。通过对单个叶片温度特点的分析，利用Kaiser窗口模拟前缘气道、后缘气道的故障温度数据。虽然模拟的故障数据不能完整的表达真正涡轮叶片故障的数据特征，但却可以表示故障数据的部分特性，而且模拟的故障数据与正常数据相比较有很好的辨识度。当输入一组数据时，维修人员要判断哪些是故障数据，哪些是正常数据；也要判断此故障数据与哪种故障类型相匹配。因此本文利用LVQ神经网络对输入的叶片温度样本进行分类，以达到区分叶片“好、坏”的目的。再利用SOM神经网络系统对已确认的故障数据进行故障类型分类，判断此故障数据属于那种故障数据类型。