火电机组振动故障诊断是一项复杂的系统工程，涉及的相关学科领域比较多，与现场工程实践联系十分密切。我国的火电机组正朝着高参数、大容量的方向发展，给故障诊断工作带来了更大挑战。所以选择一种有效的诊断方法显得非常重要。 人工神经网络与专家系统是当前最常用的两种诊断方法，前者以其独特的优点引起了广大研究者的兴趣。本文采用最成熟的前向反馈神经网络 (BP 网络)作为整个故障诊断系统的基础，并对其进行了改进。整个诊断过程分为两部分：第一部分为初步的分类诊断网络，由多输入多输出BP网络构成。第二部分为具体的故障诊断网络，由4个征兆域子网络联合构成，每个征兆域子网络的结构为多输入单输出。这样既简化了网络结构，义提高了网络运算的速度。 本文对火电机组旋转机械特别是汽轮发电机组常见振动故障特征进行了分析和归纳，将其分为频谱特征域、相关性特征域、升速特征域、降速特征域四部分，基本上涵盖了常见故障的特征域。故障特征量经过预处理后作为诊断网络模型的输入，并开发了相应的振动故障诊断系统软件。 本文通过故障模拟实验研究了征兆域的个数对诊断结果的影响，验证了多征兆域诊断的有效性。将所开发的神经网络故障诊断软件系统应用于火电机组旋转机械，取得了良好的效果。