电力作为世界能源安全体系的支柱之一,对人类社会的发展极其重要。大型水轮发电机是电力系统的重要组成部分,其故障维修,关乎全国电网安全。定子槽楔松紧度检测与重新打紧是发电机维修保养的重要环节。定子槽楔是用来对定子槽内的定子线棒进行固定的结构。槽楔板松动,定子线棒在交变电磁力的作用下发生振动,造成发电机运行安全事故。本文研究对象是葛洲坝电站发电机的定子槽楔,旨在研究出基于声学的定子槽楔松紧度无损检测技术。具体工作如下:（1）建立定子槽楔松紧度状态分类标准。对导致定子线棒跳动的电磁力进行研究,计算出发电机正常发电工作时和短路时的临界电磁力,建立了定子槽楔松紧度的力学分类标准。将定子槽楔松紧状态分为紧、略紧、松,分别代表在短路和非短路情况下定子线棒不会发生跳动、仅在非短路情况下定子线棒不发生跳动、发电机不能工作。然后通过波纹板的压缩试验,得出相应的波纹板形变量。将力学分类标准转化成波纹板的形变量标准,便于制作不同状态的定子槽楔模型。（2）建立定子槽楔松紧试验平台并进行松紧度试验。根据波纹板形变量分类标准,制作试验模型,搭建定子槽楔松紧试验平台,进行敲击试验。通过端点检测法,把敲击声信号从3s截取成0.5s,大大减少后续信号处理的计算量。定子槽楔无损检测实际应用时,发电机维修现场环境噪声大,需要降噪流程,减少环境噪声的干扰。本文采用第二代小波变换对敲击声信号进行降噪处理,噪声被削弱。对于实验室模拟试验采集的敲击声信号,不需要进行降噪处理。（3）对敲击声信号的特征提取与筛选。对经过预处理的敲击声信号进行了时域特征、频谱特征、功率谱特征提取,共提取了22个特征参数。首先根据各特征参数对3种松紧状态的区分情况不同,把22个特征参数分为3组。然后对各组内特征参数分别使用F-ratio法进行灵敏度筛选和皮尔逊相关系数法对各特征对之间的冗余性进行筛选,最终保留了5个特征参数。（4）进行模式识别。以上述5个特征参数组成输入特征矩阵,使用经过交叉验证法寻优参数优化的SVM对测试集进行分类,识别准确率达到93.333%。相较于KNN算法和BP神经网络识别的准确率,该SVM模型效果更好。本文创新性地提出了波纹板式发电机的定子槽楔松紧度分类标准,且研究出了基于声学的无损检测技术,对发电机定子槽楔的松紧度检测研究具有参考价值。