燃气轮机目前广泛应用于电力,船舶与航空等领域,燃气轮机的设备维护性与可靠性需求不断上升。燃气轮机的故障诊断对设备的维修决策与系统安全性的提升起着至关重要的作用。首先,本文通过船用分轴燃气轮机仿真模型产生燃气轮机气路单故障与复合故障数据,分别设计了基于长短期记忆网络(LSTM)的燃气轮机气路单故障诊断模型和基于长短期记忆网络与卷积神经网络(CNN)相结合的燃气轮机气路复合故障诊断模型。然后使用数据测试模型,分析模型识别结果;使用性能指标评价模型性能;改变数据信噪比与数据噪声处理的噪声类型检测模型抗噪性能与泛化性能。将本文模型与其它模型的识别能力和抗噪性能进行对比,对比结果表明本文模型识别能力与抗噪性能更好。实例数据进一步验证了所设计模型的有效性。最后,构建了基于长短期记忆网络的燃气轮机健康参数预测模型。该模型在一定程度上反映出燃气轮机健康参数变化,为燃气轮机气路故障诊断提供了参考信息。本文提出的方法可以有效应用于燃气轮机故障诊断。