汽轮发电机是一种高速隐极式同步电机，在其运行时，转子受到强大的离心力的作用，而转子表面是承受机械应力和发热的最关键的部件，因此汽轮发电机转子绕组容易发生一点接地、匝间短路和两点接地短路故障。转子匝间短路故障对机组正常运行影响不大或故障特征不明显，因此许多匝间短路故障被忽略了，但长期运行匝间短路故障会导致转子线圈一点甚至两点接地。当转子发生一点接地故障时，由于接地电阻较大，故不会对发电机转子造成较严重危害，但会对其寿命产生影响。由于发电机转子两点接地故障时会产生较大的短路电流，导致恶性事故的发生，因此对发电机转子绕组进行状态监测，判断短路故障的形式和趋势是十分必要，有助于提高系统安全运行水平。本文主要对模糊系统和神经网络技术在模型预测、故障模式分类和智能监测中的应用进行了研究。 首先，本文分析了发电机发生转子绕组故障时的二维模型。其主要的条件是在模型线性化的基础上，根据Ward理论，把短路线匝的磁场分析出来，再把它与正常情况下的均匀磁场相合成，从而形成对应的分析模型。在此基础上，本文对发电机定子侧的二次谐波电压进行了分析。由于发电机正常稳定运行时，理论上不应存在偶次谐波，所以可以利用定子侧二次谐波作为故障的一个特征量。同时，本文还对发电机运行时励磁电流与发电机输出端电参量和发电机参数的关系进行了分析，由于其是发电机运行时磁场产生的根本，所以与故障有着深刻联系，应作为故障诊断的另外一个故障特征量；在此基础上，本文利用多项式多元回归分析的方法，确定了与转子电流关系较大的发电机定子侧参量。 其次，本文介绍了基于模糊系统的转子电流预测原理。由于模糊系统以模仿人脑的运行机制为目标，在函数逼近方面来看，模糊系统能够在任意精度上一致逼近任何一个定义在一个致密集上的函数，具有很强的非线性映射能力。它是多项式函数逼近器、神经网络之外的另一个非线性建模工具。因此，本文利用基于神经网络集成的高木一关野模糊系统来建立发电机正常运行时转子电流的预测模型。 第三，本文介绍了神经网络的故障诊断原理。其中详细讨论了带有偏差单元的递归神经网络的模型和学习算法，在此基础上合成了模糊神经网络系统，将模糊理论和神经计算原理相结合，使神经网络借助其大规模的并行分布处理结构完成模糊诊断的推理过程。 最后，本文分别介绍了该故障诊断系统的各功能模块，并完成了诊断系统的合成。经仿真研究表明，该系统有较好的故障诊断能力。