离心压缩机是工业生产中的重要设备，其工作运行环境十分复杂，故障时常发生。因此，安全稳定的运行是整个工业生产的重要保障，研究离心压缩机故障的有效诊断方法是十分有意义的。本文在分析某大型离心压缩机叶轮动态特性的基础上，利用自组织特征映射神经网络的方法对离心压缩机常见单一故障和并行故障进行诊断分类。在阐述模态分析理论和应用的基础上，本文结合生产实际，对某大型离心压缩机关键零部件叶轮进行模态分析。建立叶轮的有限元模型，利用理论模态分析计算出叶轮的前10阶固有频率和模态振型，并对结果进行分析。得出系统的前三阶固有频率均避开了叶轮旋转频率，避免了共振现象的发生，确保其运行的稳定性，为离心压缩机故障诊断的进行提供保证。本文简述了离心压缩机几种常见故障类型，包括转子不平衡、转子不对中、转子弯曲、油膜振荡、喘振和旋转失速等。列出了其故障原因和对应的特征频率及解决方案，并分别列举了如何用典型故障诊断方法谱图法对常见单一故障进行判断。再者简要说明了自组织特征映射神经网络的结构和算法。由于自组织特征映射网络的无监督、自学习和侧向联想能力的特性，在故障识别和诊断方面有其自身的优越性。本文利用小波包分解振动信号，用各频带能量作为特征向量，采用自组织特征映射神经网络对离心压缩机故障进行识别，可以实现并行故障的诊断，且方法简便、准确率高。