汽轮机故障诊断技术是保障汽轮机安全运行的一个重要手段。本文对故障特征量提取的方法—二维全息谱和小波分析，故障模式识别的方法—BP神经网络进行了研究，同时对柔性转子动平衡的影响系数法进行探讨，并使用Matlab7.0对各种方法的应用进行了编程工作。通过对程序结果的分析，总结出这几种方法的特点，为这些方法的应用奠定基础。首先对二维全息谱技术进行了研究。通过对传统傅立叶变换的分析，指出其使用中的缺点：存在能量泄露和不能对非平稳信号进行有效分析，并针对泄露的问题使用窗函数和内插算法进行修正。在修正的基础上，研究了二维全息谱的绘图方法。通过对模拟信号二维全息谱的分析，可以看出二维全息谱能够充分反映转子一个截面的振动特性。传统的傅立叶变换并不能对非平稳信号进行有效分析，所以本文又对另一种方法—小波分析进行研究。小波分析不但能够准确定位信号中的奇异点而且能够消除信号中的噪声。使用小波分析对信号进行消噪的方式有三种，其中基于最优小波包基的方法在算法上具有优越性，对于大多数信号能够取得良好的消噪效果。在信号消噪过程中，小波函数的选取、信号分解层数和阈值这三个因素决定着消噪结果的好坏。由于BP神经网络常用于模式识别，所以本文对BP神经网络在汽轮机故障模式自动识别方面的应用进行了编程工作。程序的结果表明BP神经网络能够准确识别出训练过的故障模式。然后，研究了汽轮机轴心轨迹识别技术，在汽轮机轴心轨迹识别的过程中，对图形转换、数据压缩的方法进行了探讨，使用离散余弦变换和小波分解结合的方法对图片数据进行压缩，并验证了这种数据压缩方式的可行性和准确性。最后，对柔性转子动平衡中的影响系数法进行了探讨。传统的影响系数法为多平面逐次加重求影响系数的方法，这种方法计算简单，但是机组的启动次数较多；另一种多平面同时加重求影响系数的方法只需机组启动一次就能计算出校正量，但是在求解影响系数的过程中遇到求解病态方程组的问题，本文中采用Matlab提供的基于Householder变换的方法求解方程组能够获得较为准确的解。