将人工智能的理论和方法用于故障诊断，发展智能化的诊断方法，是故障诊断的一条全新的途径。随着人工智能学科的不断发展，许多新思想、新理论、新技术将不断涌现，如何将这些新理论、新技术、新方法应用于故障诊断，形成新的智能诊断方法，这是人工智能学者与故障诊断研究者共同面临的重要课题。 遗传规划(Genetic Programming，GP)是一种新型的搜索寻优技术，它依据生物界的遗传和进化，根据优胜劣汰的原则，借助复制、交换、变异等操作，逐步逼近最优解。本文以电力变压器故障诊断为应用背景，对遗传规划分类器进行了研究，提出了一种基于分级聚类和概率模型的多级遗传规划分类算法，并仿真建立了电力变压器故障诊断模型。 本文主要围绕遗传规划分类器在故障诊断中的应用展开研究。主要研究内容与创新点归纳如下： 1、分析了遗传规划在二类分类问题上的应用，提出了一种基于概率模型的遗传规划分类算法。同时引入3σ规则，使在分类过程中产生一个动态边界，提高分类精度； 2、研究了两类问题转换为多类问题的方法。介绍了基于程序分类图的遗传规划分类模型。结合分级聚类和决策树思想构建了基于分级聚类和概率模型的多级遗传规划分类模型；