随着我国水电在电力系统中所占比重的增加及单机容量的增大,水电机组的稳定对系统的安全稳定运行越来越重要,其运行状态关系到水电站能否安全、经济的供电。因此,实现有效的机组状态监测和故障诊断,提高维修的针对性,具有重要的研究意义。振动是影响水电机组稳定运行的重要因素,本文在分析与总结水轮发电机组振动故障诊断特点的基础上,重点针对机组振动故障机理、故障征兆提取方法进行了研究。依据导致水轮发电机组振动故障的三类振源,按机械、水力、电气三类故障类型进行研究,分析了振动故障机理,总结故障特征,并给出了相应的故障处理方法,为系统开发工作提供了理论基础。本文设计了水轮发电机组状态监测与故障诊断系统的总体结构,完成了系统硬件设计,包括测量参数、测点布置、传感器及采集卡选择等,实现了振动数据采集及监测。在此基础上,采用面向对象的程序设计方法开发了一套实时监测与分析软件。在基于知识的传统专家系统的基础上,采用基于神经网络(NNES)的专家系统,克服了传统专家系统不能进行自学习、自适应性能差的缺陷。利用BP神经网络学习算法获取知识,通过神经网络的连接模型表示知识,以充分利用神经网络学习能力的优势。建立了神经网络专家系统,利用所获得的故障样本数据对网络进行训练,从而实现了对某些故障的智能诊断。仿真结果表明,各故障样本训练均能快速有效地收敛于设定的误差值。