人类社会的发展离不开电力,而电力的发展离不开能源。时下正值能源革命创新时期。就能源革新领域而言,分布式能源系统在缓解能源资源持续吃紧、能源需求逐年增加等方面具有突出贡献。微型燃气轮机作为分布式能源系统的主要核心设备,其未来的研究方向为大功率、高转速和高集成度。微型燃气轮机作为众多旋转机械的一个分支,必然存在旋转机械所共有的故障类型。通过查阅相关文献可知,旋转机械主要故障发生的部位是转子。而以往对转子进行故障诊断的准确率往往较低,且容易发生误诊,所以基此开展研究。其中,主要研究工作如下所述:(1)本文首先阐述微型燃气轮机转子常见故障类型的产生机理与故障特性表现形式,同时介绍相关故障类型的主要分析方法与图谱。(2)其次本文介绍振动数据系统的主要设备与仪器,并利用小波包分解对振动数据进行提取与重构。(3)最后本文分析经过小波包分解提取与重构后的振动数据进而对BP网络的主要参数进行选取,构建BP网络故障诊断模型。通过训练与检测,确定合适的网络模型。本文的创新点在于,通过小波包分解对原始振动数据进行提取与重构后所确定的故障特征向量,有利于BP网络输入层的识别。其次,在选定BP网络隐含层节点数最佳值的既定范围后,通过训练既定范围内所有隐含层节点数的B P网络确定最佳值,该过程提高了最终所选取的BP网络性能。此外,引入改进后的各种BP网络模型,增加了可筛选BP网络的数量与种类进而提高了 BP网络模型的对比度。通过训练和检测,以BP网络模型迭代次数的多少和故障诊断准确率的高低这两项指标,作为判定依据所确定的BP网络模型具备微型燃气轮机转子故障诊断的能力。经过验证,通过与标准BP网络模型进行对比可知,改进后的BP网络模型在运行速度和故障诊断准确率方面,性能更加优越。