为实现燃气轮机自主化和产业化目标,我国正开展燃气轮机控制系统故障诊断技术研究。执行器是燃气轮机控制系统的重要组成部分,主要承担终端控制任务,其故障与否与燃机整体控制回路的安全稳定性能息息相关。因此,执行器的故障诊断技术对于燃气轮机控制系统能否在各复杂工况下均满足控制目标具有一定的重要性。本文将燃气轮机控制系统执行器作为研究对象,以执行器单一故障和复合故障诊断方法为研究路线,完成了如下研究内容:（1）详细介绍了燃气轮机中的三种常用执行器结构组成与工作原理,对执行器典型故障进行分析,根据执行器单一故障的信号变化形式,划分为4种类型,通过执行器故障半物理试验平台进行了试验,对执行器复合故障进行了特性分析,总结了复合故障的6种可能组成形式;（2）以执行器单一故障为研究对象,研究基于EWT-SOM的执行器单一故障诊断方法。在故障特征提取过程中,采用经验小波变换分解执行器故障信号,以信息熵为依据筛选信号分量,将保留分量的模糊信息熵,作为执行器单一故障特征向量;在故障分类过程中,采用自组织映射神经网络构建故障分类模型;在试验分析过程中,与传统小波神经网络故障诊断算法的对比试验表明所提方法的有效性;（3）以执行器复合故障为研究对象,研究基于MEWT-DKELM的执行器复合故障诊断方法。将形态学引入至经验小波变换,采用形态经验小波变换进行执行器复合故障信号分解,以确保能够较好地分离故障信号的各个模态。同时,针对复合故障特征数据量繁多的特点,将小波核函数和RBF核函数引入至极限学习机构造双核极限学习机,以复合故障特征向量作为输入,利用DKELM模型进行训练和分类测试。通过执行器故障半物理试验平台进行复合故障诊断试验验证,结果表明所提方法既可保证诊断效率又可提高诊断准确率。