随着现代化生产的高速发展,汽轮机作为电力工业的主要设备,也向着大型化、高容量化的的方向发展,为了提高生产效率、保证设备的安全运行,对汽轮机设备的运行状况监测和故障诊断变得越来越重要。而传统的汽轮机故障诊断需要有经验的工作人员来进行,并且汽轮机轴系故障的多样性和多因素的不确定性使得故障诊断过程十分复杂。因此,故障诊断技术正慢慢的走向智能化。人工神经网络是进行分布式并行信息处理的算法数学模型,其具有自学能力和联想存储能力、高速寻找优化解的能力、非线性处理问题能力能够有效的提高故障诊断的准确率,因此将神经网络应用到汽轮机的故障诊断当中有着十分重要的经济和社会意义。本文从介绍故障诊断的基本概念入手,分析现有的汽轮机轴系振动故障诊断方法,发现这些方法存在的不足。通过对神经网络的研究表明,神经网络在概念和处理方法上都很适合汽轮机轴系振动故障诊断的要求,研究与设计基于神经网络的故障诊断系统,将具有重要的理论与实用意义。并对神经网络理论中的BP算法及其改进算法的推演和相关知识进行了描述。在此基础上,本论文在汽轮机轴系振动故障诊断中引入神经网络技术,研究如何将神经网络成功应用于汽轮机的故障诊断,并设计了一个基于神经网络的汽轮机轴系振动故障诊断系统的模型,阐述了该模型的设计思想、模型原理图。本论文针对BP网络收敛速度慢,神经元隐层节点不易确定和局部极小值等不足提出了改进方法。通过Matlab仿真软件完成了故障诊断模型的实现。并将测试样本输入到建立的BP神经网络模型中进行检验。检验结果表明,改进后的BP神经网络模型无论是数值的精度还是准确度都比改进前有较大的提高。改进后的BP人工神经网络模型达到了故障诊断的目的。说明将人工神经网络的方法应用于汽轮机轴系故障诊断领域是可行的。