该文首先采用人工神经网络新算法,在网络计算中,提出利用精度较高的分段谱能量方法提取样本数据,并用转子模型的故障诊断进行了验证,同时在汽轮发电机组的故障诊断中予以采用.通过实例发现BP算法收敛速度较慢,且收敛精度较低;而神经网络新算法不但收敛速度快,且精度高.同时提出把人工神经网络新算法与简化神经网络方法相结合,使网络的收敛速度更快且更精确,并通过实例进行了验证,得到了较好的结果.该文基于多重分形原理和信号的分形特性,采用广义分形维数计算公式,编制了广义分形维数计算、分析为基础的计算程序,用标准的正弦信号、余弦信号及带有噪声的正弦信号对其程序进行了验证.并计算了标准信号的广义分形维数,找出了广义分形维数序列值随信号的采样时间、噪声变化而变化的特点,获得较为准确的结果.然后通过对各分形维数的计算分析,把广义分形维数作为故障特征量,对转子模型系统及汽轮发电机组的故障诊断与模式识别进行了研究.该文以广义维数为基础,计算了广义维数、绘制了广义维数谱图,从广义维数中提取盒维数、信息维数、关联维数;并在广义维数序列中,修正了广义维数最大距离方法,提出用广义维数曲线的拐点值确定其系统状态的敏感维数.并提出用敏感维数定量地识别各种类型的故障,且收到了良好的诊断结果.