电厂中的旋转机械包括汽轮机、发电机、各类泵、各类风机、各类电机等。随着技术的发展,旋转机械结构越来越复杂,在运行中产生了许多故障现象。需要加强对旋转机械特征提取和故障预警的研究,在早期把故障准确地发现出来,避免故障向后期发展,杜绝轴系断裂等恶性事故的发生。首先,建立了电厂旋转机械振动特征提取模型,将振动特征分为时域和频域两大类。考虑转速变化对机组振动的影响,将时域特征又细分为定转速特征、启停机特征两类。提出通过布朗指数法提取振动爬升特征并与传统的最小二乘法作比较。相比最小二乘法,布朗指数法提高了对实时数据的拟合能力。以三台汽轮发电机组为应用对象,从SIS系统获取定速和变速过程数据,提取了相应特征。特征提取算法提取到的特征与实际情况符合较好。建立了振动和过程参数关联性特征提取模型,分析了Pearson相关和偏相关特征的差异。过程参数关联性导致了两种相关特征的差异,并对相关特征造成很大影响。提出将过程参数按物理意义分组,利用判定系数剔除组内多余过程参数的相关特征提取算法。以某汽轮发电机组为应用对象,提取了相关特征。相比Pearson相关特征和偏相关特征,剔除参数后提取到的相关特征能更好地解释该机组的振动现象。其次,建立了长短期记忆（LSTM）振动偏差预测模型,通过预测值与实测值的偏差实现振动参数预警。以某135MW汽轮发电机组为对象,比较了输入测点个数对LSTM模型输出偏差的影响。输入测点数过多将产生过拟合现象,模型输出误差降低。建立了相似性振动偏差预测模型,通过状态匹配实现振动参数预警。以某135MW汽轮发电机组为对象,计算了状态偏离正常状态的程度。比较了LSTM和相似性模型的计算结果,在输入测点个数选取适当的条件下,LSTM模型输出结果更符合现场故障实际。最后,分析了汽轮发电机组匝间短路、动静碰磨、汽流激振三类典型故障的机理,总结了故障特征。综合特征提取和偏差预测模型,建立预警模型。建立故障原因推理模型,触发预警后借助规则库和推理机得到故障原因。以三台故障机组为对象,给出了预警模型输出结果,以匝间短路为例通过推理机得到各故障支持度,结果与故障实际符合。