油膜失稳故障是汽轮发电机组的常见故障之一,属于低频振动的范畴。随着高参数、大容量机组的增加,对应着成本的增加,由于油膜失稳故障具有突发性,旦发生,振幅会在数秒内达到很高的值,不仅会影响机组的正常运行,而且会引起机组零部件的破坏,给国家带来巨大的经济损失。为了提高汽轮发电机组的状态监测水平和故障诊断效率,才能保证机组的安全、经济的运行。所以,对于油膜失稳故障的早期预警迫在眉睫。本文通过对油膜失稳故障的发生机理分析、相关参数对油膜失稳影响的机理分析。并对油膜失稳进行了故障特征分析,FMEA分析和FTA分析,并根据故障树和FMEA表提出的底层事件的故障原因提出相应的处理措施,最后提出了油膜失稳故障的诊断流程。通过小波分析、时间序列分析、人工神经网络方法的原理方法进行了介绍。对原始振动数据进行统计特性分析,其中包括时间序列的平稳性分析、相关性分析；然后通过小波分解进行降噪,分析消噪前后数据的趋势；再用时间序列模型ARMA进行预测,分析对比消噪之后预测效果,说明了消噪之后预测效果明显好于直接对原始序列进行预测效果；人工神经网络方法主要是采用BP神经网络和采用遗传算法的BP神经网络对振动数据进行预测,对比分析两种方法的预测效果,经过遗传算法优化过的BP神经网络预测效果明显好转；汽轮发电机组油膜失稳故障预警机制研究主要通过大量的油膜失稳故障案例进行统计,从油膜失稳机理分析、振动信号特征分析、故障原因和相应的解决措施和故障预警系统在油膜失稳故障中的应用,建立了油膜失稳故障预警机制,并应用到实例中,取得了很好的效果。时间序列分析方法和神经网络应用到汽轮发电机组油膜失稳故障的预测方法中,可以做到提前预警,防止油膜失稳故障的发生,降低设备的故障率,提高故障诊断的准确率,尽快提出相应的维修决策。