燃气轮机因其具有重量轻、体积小、起动快、建设周期短等优点,被广泛应用在航空、舰船、发电、石油化工、天然汽输送等工业交通运输部门。提高涡轮入口温度对于提升燃气轮机效率效果显著,成为首要选择。近年来,涡轮入口温度表现出了一种稳定的增长趋势,在2007年,世界上燃气轮机涡轮入口温度达到了 2250K(1977℃)的高温。然而,提高涡轮入口温度在提升燃气轮机效率的同时,也增加了燃气轮机各部件的热负荷,特别是作为燃气轮机关键部件之一的涡轮叶片。据燃气轮机有关故障成本统计资料显示,重型燃气轮机涡轮叶片相关的故障达到总成本的62%,因此,监测涡轮叶片状态,对降低工业成本、消除安全隐患极为重要。温度信号作为7大物理状态参量之一,对描述涡轮叶片的工作状态有着显著的意义。因此,本文在叶片温度测试数据的基础上,结合叶片自身的设计结构,对数据进行分析,提取特征,达到对涡轮叶片温度进行异常检测的目的。故障检测与诊断系统,包括故障检测、故障分离、故障评价、与故障决策四个方面的内容,故障检测作为系统较关键的一环,对系统的性能具有决定性的作用,本文所做的就是故障检测这一部分的工作。本文首先对叶片原始温度数据进行了预处理。预处理主要包括涡轮叶片数据的分割、归一化等。便于叶片故障的定位与分析单个叶片的特征,文中分别从物理与软件的角度给出了基于物理脉冲、温度最大值、及主成分特征的三种位置检测算法。基于物理脉冲的叶片位置检测法具有简单实用高效的特点,但由于燃机生产时可能不安装位置传感器,造成脉冲信号无法获取,导致算法失效。基于叶片温度最大值的位置检测法与物理脉冲法一样,操作简单,但并不高效,因为叶片温度的最大值并不唯一,排除过程较繁琐。因此,本文从相似度的角度应用了 PCA主成分的方法,达到位置检测的目的。对于涡轮叶片,温度异常分为整体升温与局部升温两种情况。对于整体升温,通过统计叶片平均温度偏差与平均温度偏差变化量的特征来实现。对于局部升温,通过对比db、sym、coif、Meyer各常用小波基的分解效果,采用了离散Meyer小波提取信号特征,建立了特征模型。通过模拟故障信号验证了该特征模型有效。