烟气发电系统是炼油厂的重油催化裂化工艺中重要的节能和再生能源环节，其可以利用余热发电的原理达到回收能量再生电能的目的。但是由于机械工艺等各方面的原因，烟气轮机机组会时常发生故障，可能对生产的经济性和安全性造成巨大损失。所以，保障设备正常运行，对设备进行实时监测，及时判断故障发生的可疑点，减少故障发生的频率，也同时保护了环境，因此，研究烟气发电系统的故障具有十分重要的现实意义。 通过从调研烟气轮机设备参数信息、故障数据信息、振动产生的原因特点，智能故障诊断领域的现状及发展趋势出发，建立烟气轮机故障诊断实验，在炼油厂设备控制中心实现了故障样本数据的采集；并用小波方法进行对原始故障数据进行预处理，采用DB小波对仿真信号进行6层分解的实验，第四层小波分解的效果最优，实现了信号的奇异点分析；通过对原始信号的3层分解，提取信号的特征向量，对小波预处理后的信号进行智能分类，采用C-SVC，v参数支持向量机，最小二乘支持向量机三种方法，v参数的支持向量机分类与最小二乘支持向量机函数估计方法的实验效果最佳。 建立了智能烟气轮机故障诊断的软件平台LibSVM与LS-SVM，结合小波的故障数据的预处理，实现了烟气轮机的实时故障诊断；通过对原始故障信号多层分解实现了信号的奇异点分析，并提取了故障信号的特征向量，用于分类实验；SVM对于故障数据的分类灵敏度很高，分类准确率符合故障诊断实验要求，对44个样本的分类实验的平均执行时间为0．45秒，速度能够达到满意效果。对烟气轮机的故障诊断为今后的故障分析、预测工作及以后的烟气轮机多种故障分类奠定一定基础。