燃气轮机气路故障诊断可以提供早期故障预警,合理安排维修计划,以保障燃气轮机安全高效运行。三轴式燃气轮机结构复杂,非线性特性显著,对其进行气路故障诊断极具挑战性。目前,燃气轮机气路故障诊断方法的识别准确率受限,同时对于气路与传感器耦合故障诊断还没有行之有效的技术途径。本文针对三轴式燃气轮机,重点开展气路故障识别、气路故障程度评估、气路与传感器耦合故障诊断等研究工作,提升气路故障诊断的准确性,稳定性与容错性。本文主要研究内容包括:（1）基于三轴式燃气轮机部件模型的典型气路故障仿真研究。基于部件法建立的三轴式燃气轮机仿真模型,研究结垢和侵蚀两大典型气路故障对燃气轮机性能影响。研究发现,气路故障会降低燃气轮机热效率,各热力参数随故障严重程度变化大体呈线性关系。（2）优化基于数据驱动的气路故障诊断方法。a)针对浅层学习算法——核极限学习机KELM未考虑特征对故障分类贡献差异导致诊断性能不佳问题,提出基于改进核极限学习机算法FWKELM-RF,故障仿真实验验证表明,与其他传统的KELM算法相比,在四个不同工况下均具有更优的故障识别准确性和稳定性。b)针对深度学习算法——深度置信网络DBN中大量初始参数影响诊断准确性问题,本文提出基于遗传算法优化DBN的气路故障诊断方法。通过仿真实验验证表明,GA-DBN与其他诊断算法相比,故障识别准确率更高（可达98.4%）,且遗传算法优化相比于粒子群优化和模拟退火优化,具有更强的全局搜索性能。（3）建立基于模型的气路故障诊断方法。为进一步估计气路故障的衰退程度,将无迹卡尔曼滤波器UKF应用于燃气轮机系统模型中,建立气路故障诊断方法;采用能观度分析方法选择具有较高估计精度的测量参数组合;通过仿真实验验证表明,该诊断方法对三轴式燃气轮机气路故障具有较高的估计精度。（4）提出基于无迹卡尔曼滤波器的气路与传感器耦合故障诊断方法。针对气路与传感器耦合故障下单一故障诊断方法性能差的问题,本文建立传感器故障诊断系统,通过仿真实验验证方法的可靠性。在此基础上,通过多工况条件下的运行数据消除传感器故障影响,提出一种气路与传感器故障并存的诊断方法;通过建立气路和传感器故障识别模块,并自适应更新诊断系统参数,提出一种考虑气路与传感器故障时序的诊断方法。最后,通过仿真实验验证两个方法对耦合故障的诊断能力。