本论文以汽轮发电机组故障诊断与预测方法为研究对象,通过人工神经网络和时间序列预测方法对汽轮机常见故障进行预测诊断。随着科技的进步,各行各业对电力的需求日益增强。汽轮机组也向高参数、大容量发展,在此情况下,电力行业的故障检测问题也给安全领域的发展提出了更高的要求。本文首先分析了故障诊断的研究现状及发展趋势,并对故障诊断系统的应用前景做了进一步的分析,通过整理归纳汽轮机组振动征兆与故障的关系,分析研究问题的方法与思路。其次,将人工神经网络的理论应用于汽轮发电机组振动故障的诊断,为通过安全技术手段预防事故的发生奠定基础。将Sohre的振动征兆表结合汽轮发电机组的具体情况设计出适用于汽轮机的振动原因与特征值表,然后将故障的征兆信号输入人工神经网络进行故障诊断,所得结果可以初步满足汽轮发电机组在线监测的需要。另外,针对旋转机械的振动特点,本文深入讨论了利用时间序列模型预测振动的趋势的方法,并提出了如何处理现场数据的非平稳性,非正态性,奇异值和模型类型判别方法,以构建合适的模型,实现对振动趋势进行准确的多步预测。