近年来,随着电网规模的不断扩大,电力系统运行设备的不断增加,系统运行的复杂性也随之增加,电力系统的安全稳定运行变得越来越重要。因此电力系统运行过程的状态监测技术和故障诊断技术越来越引起电网的重视。励磁系统是发电机的核心控制设备,直接关系到电力生产的安全可靠。对励磁控制系统仅实现基本的状态监测和安全保护功能是远远不够的,因此对大型发电机励磁控制系统运行状况进行实时监测和故障的快速诊断愈发显得必要和紧迫。论文就大型发电机组励磁系统故障诊断及预测技术进行了较为深入的研究。具体研究内容如下:对励磁系统典型故障进行了分析,研究了故障诊断方法,利用模型参考法构建励磁系统故障诊断器,对励磁调节器的参数设置错误进行故障诊断,实验结果表明该方法能够迅速准确的判断出励磁系统是否发生故障。此外,研究了基于快速傅里叶变换(FFT)的励磁系统故障诊断方法,利用MATLAB矩阵实验室搭建励磁功率单元模型,通过仿真实验模拟故障输出,对输出波形进行FFT分析,诊断出故障设备的位置。本文基于D5000平台设计了励磁系统故障诊断装置的软硬件模块,对系统的硬件电路和软件模块进行了详细介绍,分析了系统的算法流程和主要模块的设计思路,展示了人机界面的主要功能及运行实例,该装置为励磁系统故障诊断和预测功能的实现提供了技术支撑。实验结果表明,系统运行稳定,能够有效对励磁系统故障进行在线监测和诊断。针对模型参考法无法对故障设备进行精准定位这一缺陷,本文结合模型参考法和神经网络法,设计了励磁系统故障诊断器,以故障波形FFT的相位特征参数代替幅值特征参数作为神经网络的训练输入样本,实现了对单励磁功率单元的故障诊断。实验结果表明,改进后的智能诊断模型能够有效提高故障诊断的正确率。实际应用中的励磁控制系统大多采用多桥并联的功率单元电路,论文通过对双桥并联励磁功率单元的故障诊断,验证了该故障诊断器的有效性和准确性。最后,通过对晶闸管的老化失效分析,确定了晶闸管故障预测的特征参数,搭建了基于神经网络的故障预测模型,实现了对励磁系统故障的有效预测。