针对汽轮机故障诊断问题，本论文剖析了汽轮机故障诊断的重要性，论述了国内外相关领域的研究现状，分析了多种诊断方法的优缺点，选择了基于专家系统和基于反向传播算法的混合模型的故障诊断方法来解决该问题，取得了很好的效果，全文的主要研究内容和成果总结如下：(1) 概述了一些现有的故障诊断方法。其中基于数学模型的故障诊断方法包括基于状态估计的方法和基于过程参数估计的方法，应用较少。使用小波变换的信号处理的诊断方法有较大的使用价值。基于知识的方法如今正被广泛使用。(2) 介绍了采集数据的信号处理方法。着重阐述了数据的非线性补偿技术、标度变换技术、信号预处理的各种算法、FFT谱分析技术。(3) 详细分析了反向传播算法、其改进算法、基于层次分类诊断模型的多重结构神经网络。并以汽轮机故障样本为例，阐述了反向传播算法的训练情况，然后提出使用层次分类诊断模型等进一步的改进方法。(4) 分析了基于专家系统故障诊断的技术基础。阐明了专家系统的基本结构和功能，专家系统的知识表示与获取，专家系统的设计步骤和开发原则，提出了基于规则的知识表示方法来对汽轮机故障进行诊断。(5) 基于神经网络和专家系统两种方法形成了汽轮机故障智能诊断系统，分析其系统框架结构。系统由多个下位单片机系统和上位机组成，具体分析下位机的硬件实现和C51软件实现，且用C++语言Visual C++6.0工具开发了具有丰富功能的上位机诊断软件。文章没有解决的问题和进一步研究的方向：(1) 信号处理上，信号的奇异性检测和信噪分离应加入小波分析技术处理。(2) 在诊断方式上，如改进神经网络结构，采用遗传算法优化神经网络权值，优化改善程序代码实现，就可能很大程度上提高诊断效率。