汽轮机是发电厂的一种重要旋转机械设备，因为故障率较高，危害较大，因此针对其运行状态监测和故障诊断的研究一直是工业故障诊断技术应用的研究重点。由于汽轮机组转子的振动信号包含丰富时频域信息，是汽轮机振动监测与故障分类的重要依据，也是本文的主要研究内容。本文首先通过比较汽轮机故障诊断的国内外研究现状和主要研究方法，提出了将Labwindows/CVI虚拟仪器平台作为课题的主要工具和研究途径。在对汽轮机常见故障的机理进行理论分析的基础上，结合转子实验平台，针对不平衡、不对中、动静碰磨三种典型故障分别进行了时域图谱、频域图谱和轴心轨迹图的实验，验证了典型故障的振动特征。在LabWindows/CVI平台上研发了基于异步定时机制的多通道信号采集与预处理软件，并对系统实时运行状态进行频谱分析。其次本文对实验台上采集的正常信号与三种典型故障信号，采用最优小波包树分解与重构算法进行实验分析与故障特征提取，提出将能量谱分析的方法运用在特征提取上，最终获得80组样本数据。最后引入基于径向基核函数（RBF）的最小二乘支持向量机（LS-SVM）来作为诊断系统的分类器，提出将粒子群优化算法（PSO）用于对LS-SVM模型中的参数惩罚因子C和RBF核函数参数σ的整定，通过实验得到了C、 σ的最佳值。实验表明，本文方法对故障诊断的正确率较高。