振动信号能深刻地反应出机械设备的运行状态,因此振动监测是机械故障诊断的重要手段。振动监测一般包括振动信号采集、状态特征提取和运行状态识别三个部分。本文以西气东输天然气管线的核心动力装置——燃气轮机为研究对象,通过互补集合经验模态分解法提取转子的振动特征,并应用支持向量机进行状态识别,从而实现对燃气轮机转子的故障诊断。本文首先对转子的振动机理进行深入研究。为分析和计算方便,将结构多样且复杂的转子简化为刚性支承转子模型。在此基础上,对转子不平衡、不对中、碰摩等多种典型故障成因及振动表现形式做了详细分析。由于转子振动信号包含大量非平稳非线性信号,本文将希尔伯特-黄变换应用到振动的信号分析中。针对经验模态分解产生的端点效应和频率混叠问题,本文分别采用改进的特征波形匹配法和互补集合经验模态分解法对其改善。然后对得到的本征模态函数进行希尔伯特变换得到希尔伯特谱。最后对希尔伯特-黄变换和小波变换进行了比较分析。本文对振动信号的特征提取方法进行了研究,阐述了利用互补集合经验模态分解法进行特征提取的方法和步骤,运用本征模态函数能量法对典型运行状态的特征进行了提取。最后将支持向量机应用到转子的状态识别中,构建了基于决策有向无环图的支持向量机多分类器。将获得的特征向量输入到分类器中进行训练,并通过节点优化和参数寻优提高故障诊断正确率。实验结果表明,基于能量提取和支持向量机的故障诊断方法能较好的分辨故障类型,为燃气轮机转子故障诊断的实际应用提供了很好的参考。