燃气轮机作为一种重要的动力装置，广泛应用于发电，舰船，航空等领域，在国民经济中起着极其重要的作用。随着燃气轮机机组越来越复杂，对其性能和状态的检测及控制也变得越来越重要。而传感器作为测量与控制系统中不可缺少的重要组成部分，是采集信号的主要部件，同时也是最易出现故障的环节之一。传感器若发生故障，往往会产生错误的监测信号，带来不当的控制等非常严重的后果，因而传感器的状态检测、故障诊断成为了一个比较重要的研究课题。　　 本文结合燃气轮机装置的实际情况开展了热力参数传感器故障诊断的研究，主要工作如下：　　 (1)对由燃气轮机热力参数传感器发生信号的性质、处理流程及相关问题进行了分析和说明，使抽象的理论和方法变得具体和详细。　　 (2)基于广义回归神经网络的方法，对传感器的信号进行了实时检测。在燃气轮机机组稳定运行的工况下，传感器的信号符合平稳的随机过程函数，提出用神经网络的方法进行状态的检测。而广义回归神经网络预测模型由于具有良好的非线性映射能力和建模样本需要数量少的特性，再加上其预测精度高，因此提出用该网络对热力参数传感器进行状态检测。同时进行了网络的最优化设计和误差控制，并通过检测结果证实了预测模型的正确性和有效性。在稳定运行工况下建立了一种新的阈值的估计方法，该方法下确定的阈值有效去除了工况和大气温度对传感器数值的影响。同时，针对因长期运行所引起的传感器读数的波动，建立了网络样本的更新，以消除这类波动对传感器状态检测的影响。　　 (3)基于小波分析和小波熵方法建立了传感器故障诊断的一套方法。基于小波分析的基本理论及在奇异点检测方面的优势，经过仿真计算，进行了小波基及小波分解尺度的选择，得出了小波变换在传感器故障检测方面的可行性。同时，又通过分析比较，总结了小波变换的不足和缺陷，从而引出了小波熵的应用。将小波分析与熵结合起来，利用小波熵的概念，通过计算小波变换结果的分布状态，来提取不同类型的故障信号的特征。同样，通过仿真计算，得到几种具体的小波熵的计算结果，并初步拟定一套利用小波熵进行传感器故障诊断的方法，并用实验数据证明了该方法的有效性，期待以后能进一步完善这个框架，以达到更好的效果。　　 (4)利用燃烧室、燃气轮机等设备，在运行中进行了传感器故障实验，采集了不同类型故障的实验数据，建立了不同类型故障的数学模型，可为仿真计算提供数据。　　 (5)基于美国国家仪器公司(NI)的硬件系统和软件系统，根据前面的理论知识和仿真计算，搭建了燃气轮机可测参数传感器在线检测与诊断试验装置。这个试验装置为理论提供了有效的支撑和说明，同时也为后续的改进提供了有力的工具和条件。　　 本文的创新点主要在于：　　 (1)设计了基于广义回归神经网络的燃气轮机传感器状态检测算法；　　 (2)将小波熵理论引入到燃气轮机传感器状态检测与故障诊断领域；　　 (3)对燃气轮机热力参数的传感器信号，建立了神经网络与小波熵相结合的状态检测与诊断的方法;　　 (4)基于美国国家仪器公司的硬件和软件，结合基于热力参数的燃气轮机故障诊断，将传感器状态检测与故障诊断方法应用于实际的试验装置，使燃气轮机状态检测与故障诊断试验试验装置得到完整的表达。　　 综上，本课题通过背景研究、理论分析、仿真计算、试验装置搭建以及实验验证的整套研究，提出了燃气轮机传感器故障检测与诊断的框架与方法，同时展望了该方法的发展趋势和方向，在工程应用上具有较大的意义和前景。