水輪發(fā)電機組的故障診斷具有模糊性和耦合性，提出一種基于模糊神經(jīng)網(wǎng)絡FNN的水輪發(fā)電機組振動故障在線診斷方法。首先，對反映轉子振動狀態(tài)的軸心軌跡用分形維數(shù)提取其結構特征，實現(xiàn)圖形量化，以便FNN在線識別；接著，以6種典型振動故障為研究對象，在總結了包括軸心軌跡在內4類共14種故障征兆的基礎上，分析各故障征兆的模糊屬性，給出它們的模糊處理；然后，建立一種六層的前向FNN映射征兆到故障間的模糊推理，并給出學習算法修正網(wǎng)絡參數(shù)；FNN通過自學習可保證良好的在線診斷精度。實例分析結果驗證了其可行性。