水轮发电机组是大型机电能量转换装置，其运行状态关系到水电站能否安全、经济的供电。近百年来，以统计理论为基础，按计划定期进行小修、中修、大修的维修体制，普遍存在着过维修和不足维修，特别是近年来随着水轮发电机组的巨型化，这种维护体制更加暴露出严重的不足。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，不仅对电力工业，而且对整个国民经济都有重要的影响。本文在分析与总结水轮发电机组状态监测与故障诊断特点的基础上，重点针对机组振动故障机理、故障征兆提取方法以及混合智能诊断方法进行研究。首先，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，分析振动故障机理，总结故障特征，并给出相应的故障处理意见。然后，根据水轮发电机组轴心轨迹的特点，基于分形几何学，采用分形维数来定量描述转子轴心轨迹的特征，实现图形量化，为水轮机组振动故障的在线诊断创造条件。最后，以人工智能方法为基础，提出基于模糊神经网络的专家系统故障诊断方法，阐述了水轮机组故障征兆的模糊处理、模糊神经网络故障诊断模型在水轮发电机组故障诊断专家系统中的应用。实例仿真结果验证了模糊神经网络用于水轮发电机组振动故障诊断专家系统的合理性与可行性。在此研究基础上，开发了水轮发电机组状态监测与故障诊断系统。实现了数据采集和信号分析、实时状态监测和运行趋势分析、异常参数与异常状况报警与诊断等功能，并提供操作指导，避免维修的盲目性，有利于降低企业成本，并能够提高水电站运行的安全性和可靠性。