随着我国水电事业的快速发展，水轮机组容量逐步增大，一旦发生事故，将造成巨大的经济损失。水轮机故障诊断与振动预测有助于降低机组事故率，减少经济损失，为机组的安全运行提供技术保障。本文在系统总结这一领域研究现状的基础上，从水轮机振动与稳定性出发，重点研究了尾水管涡带智能诊断方法和尾水管压力脉动CFD(ComputationalFluidDynamics)数字化预测方法，最后开发了水轮机状态监测与诊断系统。本研究的主要成果包括以下三部分：第一部分是关于水轮机智能诊断方法的研究。 　　(1)在小流量工况下，混流式水轮机尾水管内易产生偏心涡带，降低机组效率，严重威胁机组运行的稳定性。为了能准确识别涡带，本文综合小波包时频局部化分析能力和最大熵谱估计的频谱细化优点，提出了一种新的谱分析方法：小波包-最大熵谱估计法，并运用此法从偏工况水机轴摆度信号中，提取了微弱的涡带特征频率，证明了其准确识别尾水管涡带的能力。该法较之傅立叶分析具有较强的局部分析能力，且比普通的频谱分析精度高得多，尤其是在提取微弱故障特征时更能发挥其优良性能。 　　(2)小波包-最大熵谱估计法能从功率谱角度精确识别尾水管涡带，但在辨识涡带的严重程度时存在一些缺陷。为此，本文将小波包多分辨与信息熵相结合，提出了“小波包特征熵－故障”的诊断方法，以此为基础建立了涡带神经网络诊断系统。该方法对采集到的振动信号进行三层小波包分解，在通频范围内得到分布在不同频段内的分解序列，进而提取小波包特征熵，选取最能反映故障特征的小波包特征熵作为特征参数构造信号的小波包特征熵向量，并以此向量作为故障样本对三层BP神经网络进行训练，最后对训练好的神经网络进行测试。样本试验结果表明，建立在小波包特征熵基础上的BP网络不仅能识别涡带是否发生，而且能较好地识别涡带的严重程度，提高了机组运行的可靠性和稳定性，为流体机械的故障诊断开拓了新的思路。 　　(3)轴承是水电机组的关键部件，轴承温升趋势是预测轴承故障的关键特征。提取轴承温升特征，防止烧瓦是开展水电站“状态检修”研究课题的重要部分。文中结合奇异谱分析与自回归移动平均预测模型对轴承温升特征进行了预测。先将温度信号在重构相空间中重构吸引子，然后对表征吸引子的轨道矩阵进行奇异值分解，并利用奇异谱的特性来降低振动信号中噪声、剔除平滑背景信号，对轴瓦温度序列作自适应滤波意义下的超前预测，进而得到温度趋势特征。研究结果表明，该法能较好预测轴承温度变化的趋势特征，为防止烧瓦故障提供技术基础，为水电机组状态检修提供依据。第二部分是基于CFD技术的水轮机空化与水力振动预测研究。 　　(1)对某大型中比转速混流式水轮机的小流量工况、最优工况和大流量工况三种典型工况点进行了全流道稳定场数值解析，研究水流在过流部件中的流动特性，对转轮进出口压力脉动进行研究，并对转轮叶片空蚀原因进行了深入分析。 　　(2)在偏工况下，混流式水轮机转轮会产生一个偏心的漩涡出流，使得尾水管弯管上部的中心位置出现低能流，进而产生一个死水域。在死水域中心存在低速反向流动，死水域外侧的旋涡流具有很大的动能，在死水域的表面诱发产生一个螺旋状涡带，涡带缠绕在死水域表面，并与之一起在尾水管主轴方向作伸缩运动。当二者伸缩的时间尺度不同时，涡带的螺距、偏心距的规律性被打破，导致不规则的压力脉动。本文联合固导、活导、转轮及尾水管进行了将近90秒钟的非定常计算，成功再现了上述死水域与涡带运动，预测到了尾水管内的不规则压力脉动，并对压力脉动进行了频率、相位分析。这些仿真结果为预测机组运行状况，提供有力的技术平台。第三部分是水轮机状态监测与诊断系统的开发与完善。 　　针对国内某水轮机自投入运行以来，特别是在小流量工况时，机组振动情况较严重这一问题，本文开发了一水电机组状态监测与诊断系统。该系统以计算机局域网为基础，以振动监测为主要目的，由数据采集硬件、服务器振动诊断软件与客户端软件三部分组成。系统安装调试后，对典型工况下的尾水管涡带引起的振动故障进行了诊断分析。结果证明，系统能诊断常见故障的原因及部位，提高电站自动化运行水平。最后本文将数字仿真结果充实到诊断系统的知识库中，用以完善监测诊断系统，为开发新一代故障诊断系统指明了方向。