燃气轮机润滑油系统和燃料系统是保障主机正常稳定运行的重要辅助系统。燃气轮机在运转时，由于运动部件转动和滑动时，各个接触表面之间要发生摩擦，为了防止属表面发生干摩擦，减少机械磨损，因此需要润滑油系统提供一定温度和压力的润滑油。燃料系统则是负责主机运行时燃料的供给，对燃气轮机的经济性和稳定性有很重要的作用。本文以发电燃气轮机的滑油和燃料系统作为研究对象，围绕系统故障分析、故障诊断以及故障预测三个方面展开研究。1分析某发电燃气轮机滑油和燃料系统的工作原理，结合实际机组运行过程中各种故障出现的频率得出系统的常见故障模式及故障发生的原因和可能引起的后果。其次建立滑油和燃料系统主要部件（油泵、冷却器、过滤器、阀门、滑油箱等）的仿真模型，分别对两个系统主要的六种故障情况进行仿真，得到系统在发生故障后相关参数的变化趋势，并以此作为下一步系统故障诊断和故障预测的依据。2根据滑油和燃料系统监测参数的特点，选择粗糙集理论作为故障诊断的方法。通过阐述粗糙集理论（RS）的基本原理和建模的过程，确定出数据离散化方法和属性约简方法。利用提取的故障数据建立决策表，并进行属性约简，对约简结果的可行性进行讨论，得到最优属性集，利用最优约简得出诊断规则。诊断结果表明建立的粗糙集故障诊断模型适合处理不确定信息、小样本数据，有很高诊断精度。3选择自组织特征映射（SOM）神经网络为故障预测方法，并针对滑油和燃料系统输入输出参数的特点确定出合适的网络结构和学习算法，并选择三种可视化显示方式（U矩阵、主分量图和数据追踪图）将故障预测结果可视化的显示出来。利用所提取的故障数据作为网络的训练样本建立故障预测网络模型，结果表明无导师的SOM网络模型更加直观的反映了系统的健康状态，判断发生故障的趋势，在解决故障预测的问题上具有良好的应用前景和实际价值。