大、中型水电站水电机组若出现故障，经济上将遭受重大损失，并严重威胁着机组的安全稳定运行。目前，许多大型水电厂安装了实时状态监控系统，实现了对水电机组特征参量的在线状态监测。但它只能提供直观的参数，一旦机组发生故障，不能直接给出故障发生的原因、部位以及其严重程度。因此，在现有机组运行的实时状态监测基础上，研究实施设备故障诊断系统，有着非常重要的意义。为此作者从事了本文所介绍的水电机组状态监测及故障诊断专家系统的研究。机组运行时系统处于全面监测状态，一旦有信号报警，将自动启动诊断专家系统，进行故障诊断，实现实时故障诊断。 本文首先介绍故障诊断技术的发展过程以及国内外研究的概况，论述状态监测与故障诊断的关系和任务，阐述目前水电机组故障诊断中存在的问题以及开展状态监测和故障诊断的必要性和紧迫性；接着介绍了专家系统在故障诊断中的地位以及基于神经网络的专家系统的优越性；然后对水电机组的常见的故障比如振动所引起的故障机理进行深入研究，并提供一些具体措施。 水电机组状态监测与故障诊断系统包括状态监测子系统和故障诊断子系统两大部分。本文重点论述系统的硬件组成和软件结构设计过程。在硬件组成中，讲述传感器的选取与布局、信号的采集以及信号与计算机接口的通讯。在软件结构中，讲述软件的主要界面以及每个界面的功能，包括实时状态监测、信号分析处理、数据查询与分析和故障诊断等功能。其次介绍如何将BP神经网络与故障诊断结合起来，组成一个以神经网络为基础的专家系统，利用小波包提取到的有价值频谱信息，对水电机组进行故障诊断。接着，本文作者利用实验室的已有条件进行实验，实验结果表明：该系统的精确度很高，仅有1％的误差；然后还以某水电厂采集到的数据，输入到系统进行实验，也证明了该系统的监测与诊断结果是准确可靠的。