发电机作为电能生产的基本设备，对整个电力系统的安全稳定起着至关重要的作用。开展发电机在线监测，及时有效地诊断出发电机的故障，已逐步发展成为保证发电设备安全可靠运行的重要手段。转子绕组匝间短路是一种常见的发电机电气故障，本文对其故障机理和磁动势进行了分析，将传统的方法和智能化方法相结合，对转子绕组匝间短路的存在性和故障严重性进行了诊断。 本文的主要工作包括相互关联的四个部分： 第一部分研究发电机转子绕组匝间短路的故障机理。介绍了基于故障机理和故障特征的常用的在线诊断方法，比较了各种方法的优缺点。并详细分析了行波法的原理、实现和应用。 第二部分研究神经网络在故障诊断中的应用。通过对发电机磁动势的分析，得出发电机在故障前后运行工况不发生变化的条件下，励磁磁动势将会维持不变的结论。根据该结论构建了发电机故障诊断的神经网络，并直接获得发电机在额定运行工况下对应的故障样本，用于故障诊断，不仅对转子绕组匝间短路故障的存在性，还对故障的严重性做出了正确的判断。 第三部分研究神经网络和遗传算法相结合的方法在转子绕组匝间短路故障诊断中的应用。神经网络采用BP算法易陷入局部最优，而基本的GA易出现早熟，将BP和GA相结合用于故障诊断，并通过算例验证了该方法的可行性。 第四部分将遗传规划(GP)应用到发电机故障诊断。由于发电机的建模与参数辨识困难，发电机励磁电流和机端量之间的关系难以用精确的数学表达式来描述。利用GP算法在符号回归中的应用，得出发电机励磁电流和机端量之间的关系表达式，用于故障诊断，并通过算例验证了该方法是有效的。